[论文解读] Networks with given correlations

S. N. Dorogovt︠s︡ev|arXiv (Cornell University)|Aug 17, 2003

Stochastic processes and statistical mechanics被引用 15

一句话总结

本文提出了一种构建具有指定度-度相关函数的稀疏随机网络的方法，采用一种随机生成过程，确保经验度-度分布渐近收敛至给定的目标函数。当目标函数在度较大时衰减足够缓慢时，收敛性得到保证，从而实现对相关网络结构的受控建模。

ABSTRACT

We discuss a simple method of constructing correlated random networks, which was recently proposed by M. Bogu~n'a and R. Pastor-Satorras (cond-mat/0306072). The result of this construction procedure is a sparse network whose degree--degree distribution asymptotically approaches a given function at large degrees. We argue that this convergence is possible if the desired function is sufficiently slowly decreasing.

研究动机与目标

• 开发一种构造性方法，用于生成具有指定度-度相关性的随机网络。
• 确保生成网络的度-度分布渐近匹配给定的目标函数。
• 确定收敛至目标函数在数学上得到保证的条件。
• 分析目标相关函数衰减速率在实现收敛中的作用。

提出的方法

• 该方法采用基于指定联合度分布的随机网络生成过程来分配连接。
• 它使用类似配置模型的方法，其中边的形成取决于潜在节点对的度。
• 通过控制每个节点的期望边数来确保网络的稀疏性。
• 随着网络规模增大，对收敛至目标度-度相关性的行为进行渐近分析。
• 关键技术条件是目标相关函数在度较大时必须衰减足够缓慢。

实验结果

研究问题

• RQ1 生成网络的经验度-度分布何时收敛至给定目标函数？
• RQ2 目标相关函数的衰减速率如何影响网络结构的收敛性？
• RQ3 能否系统性地构建稀疏随机网络以表现出期望的度-度相关性？
• RQ4 目标函数必须具备何种数学性质，才能保证收敛发生？

主要发现

• 所构建的网络实现了其度-度分布对期望目标函数的渐近收敛。
• 若目标函数在度较大时衰减足够缓慢，则收敛性得到保证。
• 该方法生成的网络具有稀疏性，且相关结构受良好控制，适用于真实网络的建模。
• 理论分析确认，收敛行为的关键取决于目标函数的渐近衰减速率。