我已经读到,“知识”图中的节点的程度大致遵循功率定律分布,更准确地可以通过帕累托良好的分布来近似。

我在哪里可以找到一种与此分布产生随机图的算法?

例如参见论文 重新访问学位分配模型用于社交图分析 (第4页,等式1)对于我感兴趣的分布类型的数学描述(分布功能)。

有帮助吗?

解决方案

为了从规定的度序列(无论程度序列如何)生成图,可以使用Blitzstein和DiaConis的算法:

不幸的是,他们的算法可能是$ o(n^2 bar {d})$,对于$ n $ vertices,具有平均度$ bar {d} $的$ n $顶点,因此,根据图表的大小和图形的大小,这可能还不够快。涉及的申请。

Molloy和Reed引入了“擦除的配置模型”,该模型基于与其余自由插槽成正比的度序列配对顶点。

Britton,Deijfen和Martin-Lof的论文表明,擦除的配置模型渐近接近所选择的规定度分布。虽然不能保证确切的度序列输入,但我建议使用删除的配置模型,以简化其速度和速度。

简而言之,擦除的配置模型图生成算法为每个顶点创建“钩子”,其中每个顶点的钩子数最初由度序列给出。首先从顶点最多的顶点开始,另一个钩子是从池中均匀地选择的,但仍未接触。为此配对建立了连接。一旦钩子耗尽了,就将自动循环删除,并将多重装饰折叠成一个。

由于允许自动循环并崩溃了多边缘,因此所产生的程度序列可能与输入序列有所不同,因此该方法不准确。如果优选精确性,则可以以更高的计算成本使用Blitzstein和Diaconus的算法。请注意,闪电战和Diaconus的算法检查规定的学位序列是否可行(或其概述中的“图形”),因此,如果不可实现,则可能需要将其再生。

可以在您想要的任何分布下选择度序列。在您的情况下,您需要根据帕累托透视分布选择它们。

我还要简要地指出,帕累托 - 孔隙式分布所说,生成具有遵循特定分布的规定度序列的图形可能不会生成您想要的“知识”图。学位分布只是图的配置文件,没有说明原始图集合中可能存在的其他功能,您将尝试建模。正如拉斐尔(Raphael)在评论中指出的那样,维基百科的页面上 无标度网络 是一些审查的好起点。

许可以下: CC-BY-SA归因
不隶属于 cs.stackexchange
scroll top