复杂网络的结构稀疏性：随机模型与现实世界图中的有界扩张
社会与信息网络
2018-10-15 v6 离散数学
数据结构与算法
物理与社会
摘要
本研究确立了许多现实世界网络表现出有界扩张（bounded expansion）这一强结构稀疏性概念，并证明可利用该性质设计高效的网络分析算法。我们分析了几种常见网络模型的结构稀疏性。结果表明，在高概率下，(1) 按给定稀疏度序列采样的图；(2) 受扰动的有界度图；(3) 具有小概率的随机块模型（stochastic block models），均产生具有有界扩张的图。相比之下，我们指出 Kleinberg 模型和 Barabasi-Albert 模型具有无界扩张。我们通过对现实世界网络语料库的实证测量支持了上述发现。
引用
@article{arxiv.1406.2587,
title = {Structural Sparsity of Complex Networks: Bounded Expansion in Random Models and Real-World Graphs},
author = {Erik D. Demaine and Felix Reidl and Peter Rossmanith and Fernando Sanchez Villaamil and Somnath Sikdar and Blair D. Sullivan},
journal= {arXiv preprint arXiv:1406.2587},
year = {2018}
}