节点与边上事件间时间同时重尾分布的生成模型

代表人类活动以及其他类型事件的离散事件之间的间隔常常服从重尾分布，其对网络上传染过程等集体动力学的影响已被深入研究。文献表明，此类重尾分布存在于网络中个体节点与个体边各自的事件间时间上。然而，节点与边的事件间时间重尾分布同时出现是一种非平凡现象，其起源一直不明。在本研究中，我们提出一个生成模型及其变体来解释该现象。我们假设每个节点依据连续时间两状态马尔可夫过程独立地在高活动与低活动状态间转移，并且对于主模型，仅当边的两个端点节点均处于高活动状态时，边上的事件才以高速率发生。换言之，两个节点仅当二者均偏好与他人交互时才频繁交互。该模型产生的个体节点与边的事件间时间分布在若干尺度上类似重尾分布。它还产生了连续事件间时间的正相关，这是人类活动经验数据的另一典型观测。我们期望我们的建模框架为研究由非泊松事件序列驱动的时序网络上的动力学提供有用基准。