[论文解读] Random Graph Models with Hidden Color

Bo Söderberg|arXiv (Cornell University)|Jul 24, 2003

Complex Network Analysis Techniques被引用 34

一句话总结

本文在经典随机图模型中引入了隐藏颜色变量——未被观测到的顶点或边 stub 属性——以实现非平凡的边相关性，并推广了 Erdős–Rényi 模型与无相关度分布模型。通过允许颜色影响边生成概率，该框架统一了多种网络系综，同时保持解析可处理性，能够捕捉真实网络中的复杂依赖结构。

ABSTRACT

We demonstrate how to generalize two of the most well-known random graph models, the classic random graph, and random graphs with a given degree distribution, by the introduction of hidden variables in the form of extra degrees of freedom, color, applied to vertices or stubs (half-edges). The color is assumed unobservable, but is allowed to affect edge probabilities. This serves as a convenient method to define very general classes of models within a common unifying formalism, and allowing for a non-trivial edge correlation structure. PACS numbers: 02.50.-r,64.60.-i, 89.75.Fb 1.

研究动机与目标

• 通过引入未被观测的隐藏变量，特别是顶点或 stub 的颜色，来推广经典随机图模型，以刻画复杂网络依赖关系。
• 利用隐藏颜色自由度，将 Erdős–Rényi 随机图模型与配置模型统一于单一形式化框架之下。
• 通过允许隐藏颜色影响边形成概率，实现非平凡的边相关性结构。
• 为具有潜在社区或结构相关性的现实世界网络提供可解析处理的建模框架。
• 将随机图理论的解析能力扩展至包含影响连通性但不可直接观测的隐藏变量。

提出的方法

• 为顶点或 stub 分配隐藏颜色变量，这些变量虽未被观测，但会影响边形成的概率。
• 将边概率定义为两个端点（或 stub）颜色的函数，从而实现超越均匀或基于度数模型的结构化依赖。
• 构建一个生成模型，其中边根据颜色对之间的相互作用随机形成，从而推广均匀和基于度数的边形成机制。
• 使用统一的形式化框架，通过颜色变量将 Erdős–Rényi 模型（恒定边概率）与配置模型（固定度序列）统一起来。
• 利用统计力学技术，推导隐藏颜色模型下网络性质的系综平均。
• 通过颜色依赖的边概率函数，实现对边相关性和度相关性的解析处理。

实验结果

研究问题

• RQ1 如何利用隐藏颜色变量将 Erdős–Rényi 随机图模型推广，以包含非平凡的边相关性？
• RQ2 引入隐藏颜色后，如何在单一框架下统一配置模型与经典随机图模型？
• RQ3 颜色依赖的边概率对网络性质的相关结构（如度-度相关性）有何影响？
• RQ4 隐藏颜色形式化能否在不显式建模社区的情况下捕捉现实网络特征（如社区结构或聚类）？
• RQ5 引入隐藏颜色如何影响网络可观测量的解析可处理性与系综平均？

主要发现

• 隐藏颜色形式化成功地通过潜在变量将 Erdős–Rényi 模型与配置模型统一于单一、统一的框架之中。
• 边概率依赖于相连顶点或 stub 的颜色对，从而实现结构化、非均匀的连通模式。
• 该模型允许非平凡的边相关性，这在标准的无相关模型（如配置模型）中是不存在的。
• 该框架支持对具有隐藏变量的网络系综进行解析处理，从而能够推导平均网络性质。
• 引入颜色作为隐藏自由度，使得无需显式定义社区即可建模潜在的结构特征（如类似社区的行为）。
• 该模型为研究复杂网络中的网络鲁棒性、相变及相关效应提供了自然的扩展。