2,443
个编辑
更改
跳到导航
跳到搜索
第42行：
第42行： + + + + + 第49行：
第54行： − 假设一个网络具有度分布<math>P(k)</math>,通过选择一个节点（随机或非随机）跟随它的一个邻近点（假设至少有一个邻近点），那么该节点具有<math>k</math> 个邻近点的概率不是由<math>P(k)</math>给出的。造成这一结果的原因在于，无论何时在异质网络中选择某个节点，它都更有可能通过跟随该节点的某个现有邻点到达枢纽节点。这些节点具有度<math>k</math>的真实概率是<math>q(k)</math>，它被称为该节点的'''余度'''。在'''<font color="#ff8000">配置模型 Configuration Model</font>'''中，忽略节点之间的相关性，并假定每个节点以相同的概率连接到网络中的其他任何节点，余度分布表示为:+ 第59行：
第64行： − +
无编辑摘要
一些研究人员对这些发现提出了异议，认为研究中使用的定义过于严格<ref>{{cite journal |last1=Voitalov |first1=Ivan |last2=van der Hoorn |first2=Pim |last3=van der Hofstad |first3=Remco |last4=Krioukov |first4=Dmitri |title=Scale-free networks well done |journal=Physical Review Research |date=18 October 2019 |volume=1 |issue=3 |pages=033034 |doi=10.1103/PhysRevResearch.1.033034|doi-access=free }}</ref> ，其他人则认为，确定度分布的精确函数形式不必要，只需要知道度分布是否为厚尾分布就好<ref>{{Cite journal|last=Holme|first=Petter|date=2019-03-04|title=Rare and everywhere: Perspectives on scale-free networks|journal=Nature Communications|language=en|volume=10|issue=1|pages=1016|doi=10.1038/s41467-019-09038-8|issn=2041-1723|pmc=6399274|pmid=30833568|bibcode=2019NatCo..10.1016H}}</ref> 。对度分布的特定形式的过度解释也受到批评，因为它没有考虑网络如何随时间演化<ref>{{cite journal |last1=Falkenberg |first1=Max |last2=Lee |first2=Jong-Hyeok |last3=Amano |first3=Shun-ichi |last4=Ogawa |first4=Ken-ichiro |last5=Yano |first5=Kazuo |last6=Miyake |first6=Yoshihiro |last7=Evans |first7=Tim S. |last8=Christensen |first8=Kim |title=Identifying time dependence in network growth |journal=Physical Review Research |date=18 June 2020 |volume=2 |issue=2 |pages=023352 |doi=10.1103/PhysRevResearch.2.023352|doi-access=free }}</ref>。
一些研究人员对这些发现提出了异议，认为研究中使用的定义过于严格<ref>{{cite journal |last1=Voitalov |first1=Ivan |last2=van der Hoorn |first2=Pim |last3=van der Hofstad |first3=Remco |last4=Krioukov |first4=Dmitri |title=Scale-free networks well done |journal=Physical Review Research |date=18 October 2019 |volume=1 |issue=3 |pages=033034 |doi=10.1103/PhysRevResearch.1.033034|doi-access=free }}</ref> ，其他人则认为，确定度分布的精确函数形式不必要，只需要知道度分布是否为厚尾分布就好<ref>{{Cite journal|last=Holme|first=Petter|date=2019-03-04|title=Rare and everywhere: Perspectives on scale-free networks|journal=Nature Communications|language=en|volume=10|issue=1|pages=1016|doi=10.1038/s41467-019-09038-8|issn=2041-1723|pmc=6399274|pmid=30833568|bibcode=2019NatCo..10.1016H}}</ref> 。对度分布的特定形式的过度解释也受到批评，因为它没有考虑网络如何随时间演化<ref>{{cite journal |last1=Falkenberg |first1=Max |last2=Lee |first2=Jong-Hyeok |last3=Amano |first3=Shun-ichi |last4=Ogawa |first4=Ken-ichiro |last5=Yano |first5=Kazuo |last6=Miyake |first6=Yoshihiro |last7=Evans |first7=Tim S. |last8=Christensen |first8=Kim |title=Identifying time dependence in network growth |journal=Physical Review Research |date=18 June 2020 |volume=2 |issue=2 |pages=023352 |doi=10.1103/PhysRevResearch.2.023352|doi-access=free }}</ref>。
假设一个网络具有度分布<math>P(k)</math>,通过选择一个节点（随机或非随机）跟随它的一个邻近点（假设至少有一个邻近点），那么该节点具有<math>k</math> 个邻近点的概率不是由<math>P(k)</math>给出的。造成这一结果的原因在于，无论何时在异质网络中选择某个节点，它都更有可能通过跟随该节点的某个现有邻点到达枢纽节点。这些节点具有度<math>k</math>的真实概率是<math>q(k)</math>，它被称为该节点的'''余度'''。由此可知，任意节点的邻居的平均度会大于该节点的平均度。推广到在社交网络络中，这意味着你的朋友平均比你拥有更多的朋友。这就是著名的'''<font color="#ff8000">朋友悖论 Friendship Paradox</font>'''。
造成这一结果的原因在于，无论何时在异质网络中选择某一个节点，它都更有可能通过跟随该节点的某一个现有邻点到达[[枢纽节点]]。
== 余度分布 ==
== 余度分布 ==
在'''<font color="#ff8000">配置模型 Configuration Model</font>'''中，忽略节点之间的相关性，并假定每个节点以相同的概率连接到网络中的其他任何节点，余度分布表示为:
这里<math>{\langle k \rangle}</math>是模型的平均度。由此可知，任意节点的邻居的平均度会大于该节点的平均度。推广到在社交网络络中，这意味着你的朋友平均比你拥有更多的朋友。这就是著名的'''<font color="#ff8000">朋友悖论 Friendship Paradox</font>'''。可以证明，如果一个网络的平均余度大于1，那么它可以有一个巨大的联通分支:
这里<math>{\langle k \rangle}</math>是模型的平均度。可以证明，如果一个网络的平均余度大于1，那么它可以有一个巨大的联通分支:
:<math>
:<math>