更改

删除5字节 、 2020年5月6日 (三) 11:05
第39行: 第39行:  
但ER图并不具有我们观察到的许多实际网络所拥有的两个重要属性:
 
但ER图并不具有我们观察到的许多实际网络所拥有的两个重要属性:
   −
#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,[[ER随机图模型]]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/Triadic_closure 三元闭合] 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,[[ER随机图模型]]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]]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>
 
#不能解释中心节点 hub 的构成。在形式上,[[ER随机图模型]]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>
 
{{cite journal
 
{{cite journal
第57行: 第57行:       −
WS模型是针对于第一条局限性来设计的最简可能模型。它在解释了集聚的同时保持了ER模型较短的平均节点间距离,这是通过在近似ER图的随机化结构和正则环[https://en.wikipedia.org/wiki/Lattice_(group) 点阵] regular ring lattice中进行内插得到的。因而,该模型至少能够部分解释许多网络中的“小世界”现象("small-world" phenomena),比如电网、[https://en.wikipedia.org/wiki/Caenorhabditis_elegans 秀丽隐杆线虫 C. elegans]的神经网络、电影演员的社交网络、以及[https://en.wikipedia.org/wiki/Budding_yeast 芽殖酵母]脂肪代谢的信息交流
+
WS模型是针对于第一条局限性来设计的最简可能模型。它在解释了集聚的同时保持了ER模型较短的平均节点间距离,这是通过在近似ER图的随机化结构和正则环[https://en.wikipedia.org/wiki/Lattice_(group) 点阵] regular ring lattice中进行内插得到的。因而,该模型至少能够部分解释许多网络中的“小世界”现象("small-world" phenomena),比如电网、[https://en.wikipedia.org/wiki/Caenorhabditis_elegans 秀丽隐杆线虫] C. elegans的神经网络、电影演员的社交网络、以及[https://en.wikipedia.org/wiki/Budding_yeast 芽殖酵母]脂肪代谢的信息交流
 
<ref>
 
<ref>
 
{{cite journal  
 
{{cite journal  
763

个编辑