有向与度生成块模型：生成和推断具有非均匀度分布的社区

随机块模型是从网络拓扑推断社区结构的强大工具。然而，它预测每个社区内的度分布为泊松分布，而大多数真实网络的度分布具有重尾特征。度校正块模型可以适应社区内任意度分布，但由于它将顶点度作为参数而非生成它们，因此无法利用度来帮助分类顶点，并且其对有向图的自然推广甚至无法利用边的方向。在本文中，我们提出了兼具两者优点的块模型变体：它们可以在分类过程中利用顶点度和边的方向，同时容忍社区内的重尾度分布。我们表明，对于某些网络，包括合成网络和英文文本中单词邻接网络，这些新块模型比标准块模型或度校正块模型实现了更高的准确性。