.png){kind=icon}
返回
Random hyperbolic graphs with arbitrary mesoscale structures
.png){kind=icon}
PRE
AI
DOI：10.1103/5q8n-lnc1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
真实世界网络展现出普适的结构特性，如稀疏性、小世界性、异质度分布、高聚集性和社区结构。几何网络模型，特别是随机双曲图（RHGs），通过将节点嵌入隐含相似性空间，有效捕捉了这些特征中的许多方面。然而，网络通常由节点组（即社区）之间的特定连接模式所表征，这些模式并非几何性的，因为在组间的不相似性不遵循三角不等式。仅基于相似性和流行度的相互作用来组织连接，从而对随机双曲图所能生成的网络的介观结构构成了根本性限制。为解决此限制，我们引入了随机双曲块模型（RHBM），该模型在最大熵框架内通过纳入块结构对随机双曲图进行了扩展。我们通过合成网络分析展示了RHBM的优势，突出了其能够在纯粹几何模型失效的情况下保持社区结构的能力。我们的发现强调了隐含几何性在网络建模中的重要性，同时指出了其在控制介观混合模式方面的局限性。
Keyword:
NETWORKS
期刊
IF:
2.4
论文数:
1.4K
被引数:
10.2W
.png){kind=icon}
查看更多内容