解读真实复杂网络中聚类的全局组织
物理与社会
2014-10-21 v1 无序系统与神经网络
社会与信息网络
摘要
我们揭示了真实复杂网络中聚类的全局组织。正如网络的其他基本属性（如度分布）一样，我们发现真实网络在聚类方面既非完全随机也非完全有序，尽管它们倾向于更接近最大随机架构。我们通过比较真实网络与最大随机及最大有序聚类图的全局聚类结构得出这一结论。前者是通过指数随机图模型生成的，该模型在相邻边之间保持符合预期聚类谱所需的最小相关性；后者则是通过一种随机模型生成的，该模型将三角形排列成团，从而诱导高度有序的结构。为了比较真实网络与模型网络中聚类的全局组织，我们计算了 -core 景观，其中 -core 定义为边至少参与 个三角形的最大子图，类似于 -core。该属性定义了一组嵌套子图，与 -cores 相反，它能够区分层级架构和模块化架构。为了可视化 -core 分解，我们开发了 LaNet-vi 3.0 工具。
引用
@article{arxiv.1306.0112,
title = {Deciphering the global organization of clustering in real complex networks},
author = {Pol Colomer-de-Simon and M. Angeles Serrano and Mariano G. Beiro and J. Ignacio Alvarez-Hamelin and Marian Boguna},
journal= {arXiv preprint arXiv:1306.0112},
year = {2014}
}