网络流量的混合幂律模型

大规模流式网络数据的可用性强化了幂律分布在观测中的普遍性，并使得对分布参数的精确测量成为可能。这些测量精度的提高使得探索新的底层生成网络模型成为可能。优先连接模型是这些模型的自然起点。本文添加额外的模型组件以解释分布中观测到的现象。在该模型中，对优先连接进行补充，以提供更准确的网络流量理论模型。具体而言，提出了一个概率复杂网络模型，使用优先连接以及额外参数来描述新观测到的叶子节点与未连接节点的普遍性。通过考虑对由该模型创建的网络进行随机采样来生成该模型的示例分布，其方式复现了当前的数据收集方法。