超越二维的双曲网络生长：广义流行度-相似性优化模型
物理与社会
2022-01-21 v1
摘要
双曲网络模型近年来受到相当关注，主要因其能够解释真实世界网络的诸多特殊特征。此类模型中最广为人知者之一是流行度-相似性优化(PSO)模型，该模型在二维双曲空间的原生圆盘表示中工作，可同时生成具有小世界特性、无标度度分布、高聚类与强社区结构的网络。为更好理解双曲随机图，我们在此引入PSO模型，即将PSO模型推广至任意整数维。对所获网络的分析表明，其主干结构性质可受底层双曲空间维数以非平凡方式影响。我们所扩展的框架不仅从理论视角看饶有趣味，亦可作为已有二维双曲嵌入技术推广的起点。
引用
@article{arxiv.2108.03328,
title = {Growing hyperbolic networks beyond two dimensions: the generalised popularity-similarity optimisation model},
author = {Bianka Kovács and Sámuel G. Balogh and Gergely Palla},
journal= {arXiv preprint arXiv:2108.03328},
year = {2022}
}
备注
65 pages, 30 figures. arXiv admin note: text overlap with arXiv:2101.02249