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：工作論文
- 編號：工作論文 #749
- 日期：2026-03-18
摘要
Erdos 和 Renyi 的隨機圖是最古老、研究最深入的網路模型之一，並且具有可精確求解其許多平均屬性的相當大的優勢。然而，作為現實世界網絡（例如互聯網、社交網絡或生物網絡）的模型，它還有很多不足之處。特別是，它在兩個關鍵方面與真實網路不同：它缺乏網路聚類或傳遞性，並且具有不切實際的泊松度分佈。在本文中，我們回顧了最近一些關於隨機圖泛化的工作，旨在糾正這些缺點。我們描述了包含任意非泊鬆度分佈的有向和無向網路的廣義隨機圖模型，以及也包含聚類的這些模型的擴展。我們也描述了隨機圖模型在網路穩健性和接觸網路上流行病傳播問題的兩個最新應用。