因果网络的相关增长
物理与社会
2025-02-26 v2 统计力学
适应与自组织系统
数据分析、统计与概率
摘要
复杂系统中因果结构的研究近年来受到日益关注，许多近期研究探索了捕获不同领域因果关系的因果网络。尽管存在实证证据表明因果结构与网络拓扑相关性密切相关，但导致这些相关性在因果网络中出现的机制仍鲜为人知。在本文中，我们提出了一种通用的因果网络增长框架，纳入两种关键类型的相关性：因果相关性和动态相关性。我们证明了，度相关性是这些相关性的边缘依赖的结果。我们的理论预测与四个大规模创新网络的实证数据定量一致。我们的理论不仅阐明了拓扑相关性的起源，也为理解因果系统中的相关增长提供了通用框架。
引用
@article{arxiv.2412.16647,
title = {Correlated Growth of Causal Networks},
author = {Jiazhen Liu and Kunal Tamang and Dashun Wang and Chaoming Song},
journal= {arXiv preprint arXiv:2412.16647},
year = {2025}
}