.png){kind=icon}
返回
Entropy-based models to randomise real-world hypergraphs
.png){kind=icon}
OA
AI
DOI：10.1038/s42005-025-02182-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络理论通常忽视了多体关系，仅关注成对相互作用；然而，忽视这些关系可能导致对复杂系统的误导性表征。超图提供了一种描述多元相互作用的合适框架。在此，我们利用基于关联矩阵的超图表示，将基于熵的方法扩展到高阶结构：类比于指数随机图，我们引入指数随机超图（ERHs）。在探索推广了渗流阈值的阈值渐近行为后，我们将ERHs应用于研究真实数据。首先，我们将关键网络指标推广到超图；然后，计算其期望值并与经验值比较，以检测偏离随机行为的情况。我们的方法具有解析可解性、可扩展性，并能够揭示真实超图的结构模式，这些模式与由更简单约束产生的模式显著不同。这项工作将基于熵的模型扩展到超图，超图是描述多元相互作用的流行替代方案。在研究了推广了渗流阈值的阈值渐近行为后，作者将指数随机超图应用于真实案例，以揭示与随机行为的统计显著偏差。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.8
论文数:
2.8K
被引数:
9.2K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容