[论文解读] Modern architecture of random graphs: Constructions and correlations

S. N. Dorogovt︠s︡ev, J. F. F. Mendes+1 more|arXiv (Cornell University)|Jun 24, 2002

Complex Network Analysis Techniques参考文献 1被引用 7

一句话总结

本文提出了一套系统性框架，通过平衡与非平衡动力学构建具有预定度-度相关性和聚类特性的随机网络。引入配对偏好函数 f(k,k') 以控制联合度分布，并展示如何通过随机边变换构建可调聚类的生长尺度无标度网络，从而实现对复杂网络结构的解析处理。

ABSTRACT

1. Basic constructions. 2. Equilibrium and nonequilibrium networks. 3. Equilibrium uncorrelated networks. 4. Nonequilibrium nongrowing scale-free nets. 5. Types of correlations. 6. When pair correlations are important. 7. When loops are important. 8. Pair degree-degree correlations in growing networks. 9. How to construct an equilibrium net with given degree-degree correlations. 10. How to construct a growing scale-free net with a given clustering (towards a real-space renormalization group for networks).

研究动机与目标

• 开发一种通用方法，用于构建具有任意度-度相关性的平衡随机网络。
• 将网络构建方法从无相关模型扩展至包含聚类和度相关性等现实相关性的模型。
• 提供一种动态且可解析处理的方法，用于生成具有可调聚类特性的生长尺度无标度网络。
• 建立网络生长过程与统计物理中实空间重整化群技术之间的联系。
• 将各种网络模型（Erdős–Rényi、配置模型、小世界网络、Barabási–Albert）统一于基于相关性控制的共同构建框架之下。

提出的方法

• 使用配置模型生成具有给定度分布 P(k) 的平衡随机网络，确保在度约束下实现最大随机性。
• 引入配对偏好函数 f(k,k')，其决定度为 k 和 k' 的顶点之间连接的概率，从而实现对度-度相关性的控制。
• 通过基于 f(k,k') 在每一步时间动态重连边，实现网络的动态构建，长期下可达到稳定的联合度分布 P(k,k')。
• 应用随机边变换——每个边以概率 p 被替换为一个子图——以生成在热力学极限下具有有限聚类的生长尺度无标度网络。
• 利用变换规则模拟实空间重整化群过程，实现对网络结构和相关性效应的解析处理。
• 确保生成的网络在局部近似为树状结构，环密度较低，同时通过受控重连和边替换实现全局聚类。

实验结果

研究问题

• RQ1 如何构建具有预定联合度-度分布 P(k,k') 的平衡随机网络？
• RQ2 何种动力学过程可导致非平衡生长网络中出现稳定的度-度相关性结构？
• RQ3 如何系统性地将聚类引入生长尺度无标度网络，同时保持其尺度无标度特性？
• RQ4 配对偏好函数 f(k,k') 在塑造随机网络相关性结构中起什么作用？
• RQ5 能否利用随机边替换过程构建出类似于实空间重整化群变换的、可解析处理的模型？

主要发现

• 通过根据联合度分布 P(k,k') 采样边，并将度特定的边端点组合成顶点，可构建具有任意度-度相关性的平衡随机网络。
• 在动态模型中，稳定的联合度分布 P(k,k') 由配对偏好函数 f(k,k') 决定，从而可精确控制网络相关性。
• 通过概率 p ≠ 0 的随机边替换构建的生长网络，在热力学极限下表现出有限聚类，即使 p → 0 时亦然。
• 当 p → 0 时，特定边替换规则下可恢复 Barabási–Albert 模型，表明与已知尺度无标度网络模型的一致性。
• 边替换中使用的变换规则保持了小世界特性，平均路径长度按 ln N 缩放，且避免了分形结构。
• 该框架允许对复杂网络结构进行解析处理，建立了网络生长与统计物理中实空间重整化群技术之间的直接联系。