本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
許多複雜網路的保存依賴於生物實體。這些實體，從人類認知到演化，必須先在標記的資源限制下編碼然後複製這些網路。能夠生存的網絡是那些能夠接受受限編碼的網絡，或者換句話說，是可壓縮的。但網路的可壓縮性有多大？哪些功能使一個網路比另一個網路更具可壓縮性？在這裡，我們透過將網路建模為資訊來源，然後使用率失真理論對其進行壓縮來回答這些問題。每個網路都會產生獨特的率失真曲線，該曲線指定了在給定描述範圍內保留的最小資訊量。然後，網路的可壓縮性出現了一個自然的定義：可以透過壓縮刪除的資訊量，在所有尺度上取平均值。透過分析一系列真實網絡和模型網絡，我們證明了可壓縮性隨著兩個常見網絡屬性的增加而增加：傳遞性（或聚類）和程度異質性。這些結果表明，以模組化結構和異構程度為特徵的分層組織有利於複雜網路中的壓縮。一般來說，我們的框架揭示了網路結構與其壓縮能力之間的相互作用，從而能夠研究壓縮在塑造現實世界網路中的作用。