763
个编辑
更改
→模型基本原理
#不能生成局部集聚 local clustering 和[https://en.wikipedia.org/wiki/三元闭合 Triadic_closure]（triadic closures，网络有三元闭合、三元闭包等释义）。相反，因为图中两个节点有恒定、随机且独立的概率彼此相连，[[R随机图模型 ER图]的[https://en.wikipedia.org/wiki/Clustering_coefficient 集聚系数]]较低。
#不能生成局部集聚 local clustering 和[https://en.wikipedia.org/wiki/三元闭合 Triadic_closure]（triadic closures，网络有三元闭合、三元闭包等释义）。相反，因为图中两个节点有恒定、随机且独立的概率彼此相连，[[R随机图模型 ER图]的[https://en.wikipedia.org/wiki/Clustering_coefficient 集聚系数]]较低。
#不能解释中心节点 hub 的构成。在形式上，[[ER随机图模型 ER图]]的[https://en.wikipedia.org/wiki/Degree_(graph_theory) 度]分布收敛于[https://en.wikipedia.org/wiki/泊松分布 Poisson_distribution ]，而不是我们在现实世界中观测到的、[[无标度网络]] scale-free networks 的[[幂律分布]] power law
#不能解释中心节点 hub 的构成。在形式上，[[ER随机图模型 ER图]]的[https://en.wikipedia.org/wiki/Degree_(graph_theory) 度]分布收敛于[https://en.wikipedia.org/wiki/泊松分布 Poisson_distribution ]，而不是我们在现实世界中观测到的、[[无标度网络]] scale-free networks 的[[幂律分布]] power law<ref name=Ravasz2002>
<ref name=Ravasz2002>
{{cite journal
{{cite journal
|last1=Ravasz
|last1=Ravasz
</ref>
</ref>
。
。
==算法==
==算法==