具有给定度序列的真实网络几何随机化
物理与社会
2019-09-04 v1
摘要
我们引入一种对具有几何结构的复杂网络进行随机化的模型。几何随机化（GR）模型假设节点在底层相似性空间中均匀分布，并利用链路重连来寻找使连接概率最大化的配置，该概率类似于 或 几何网络模型中的连接概率。然而，GR 如同配置模型一样保留原始度序列，从而消除了度截断的涨落。此外，该模型不需要显式估计隐藏度变量，这将自由参数的数量限制为一个，用于控制重连网络的聚类水平。我们通过研究真实与合成网络中几何社区扁平化对模块度的影响，阐明了 GR 作为零模型的潜力。结果表明，对于真实网络，几何社区与拓扑社区是一致的；而对于随机化后的对应网络，所检测到的拓扑社区可归因于底层几何结构所诱导的结构约束。
引用
@article{arxiv.1812.06471,
title = {Geometric randomization of real networks with prescribed degree sequence},
author = {Michele Starnini and Elisenda Ortiz and M. Ángeles Serrano},
journal= {arXiv preprint arXiv:1812.06471},
year = {2019}
}
备注
8 pages, 6 figures