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
隨機圖零模型已廣泛應用於分析網路資料集的各種研究社區，包括社會網絡、資訊網絡和經濟網絡，以及食物網、蛋白質-蛋白質相互作用和神經元網絡。最受歡迎的隨機圖零模型（稱為配置模型）被定義為具有固定度數序列的圖空間上的均勻分佈。通常，將經驗網絡的屬性與來自配置模型的圖集合的屬性進行比較，以便量化經驗網絡屬性是否有意義或它們是否是特定度數序列的常見結果。在這項工作中，我們研究了配置模型規格背後微妙但重要的決策，並研究了這些選擇在圖形取樣過程和一套應用程式中發揮的作用。我們特別強調指定適當的圖標記（存根標記或頂點標記）的重要性，在該圖標記下考慮空模型，這種選擇將隨機圖的研究與隨機列聯表的研究緊密聯繫起來。我們表明，圖標記的選擇對於簡單圖的研究無關緊要，但可以對多重圖或具有自循環的圖的分析產生重大影響。這些選擇的重要性透過一系列三個深入的小插圖來證明，分析了許多不同配置模型下的三個不同的網路資料集，並觀察了不同模型下研究結論的實質差異。我們認為，在每種情況下，只有一種可能的配置模型是合適的。雖然我們的工作重點是無向靜態網絡，但它的目的是指導有向網絡、動態網絡以及透過隨機圖零模型的鏡頭適當研究的所有其他網絡環境的研究。