Classes of preferential attachment and triangle preferential attachment models with power-law spectra
Classes of preferential attachment and triangle preferential attachment models with power-law spectra
复制标题
具有幂律谱的优先附着类别和三角形优先附着模型
DOI：
10.1093/comnet/cnz040
复制
发表时间：
2020
影响因子：
2.1
通讯作者：
Gleich, David F
中科院分区：
文献类型：
--
作者：
Eikmeier, Nicole;Gleich, David F
偏好连接（PA）模型是一类常见的图模型，它被用来解释为什么幂律分布出现在真实的网络数据的度序列中。在现实世界网络的其他属性中，它们通常具有非平凡的聚类系数，这是由于大量的三角形以及本征值谱中的幂律。虽然在特定的功率放大器结构中存在三角形功率放大器模型和特征值幂律，但没有结果表明现有的结构同时具有这两种模型。在这篇文章中，我们提出了一个特定的三角形广义偏好依恋模型，通过构造，具有非平凡的聚类。我们进一步证明了该模型在度分布和本征值谱上都具有幂律。
Preferential attachment (PA) models are a common class of graph models which have been used to explain why power-law distributions appear in the degree sequences of real network data. Among other properties of real-world networks, they commonly have non-trivial clustering coefficients due to an abundance of triangles as well as power laws in the eigenvalue spectra. Although there are triangle PA models and eigenvalue power laws in specific PA constructions, there are no results that existing constructions have both. In this article, we present a specific Triangle Generalized Preferential Attachment Model that, by construction, has non-trivial clustering. We further prove that this model has a power law in both the degree distribution and eigenvalue spectra.
登录
查看更多内容
动态竞争网络：发现联盟和领导者
DOI：
--
发表时间：
2018
期刊：
Workshop on Algorithms and Models for the Web-Graph
影响因子：
--
作者：
A. Bonato;Nicole Eikmeier;D. Gleich;Rehan Malik
通讯作者：
Rehan Malik
不断增长的网络：遵循非线性优先附着规则的模型
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
V. Zadorozhnyi;E. Yudin
通讯作者：
E. Yudin
DOI：
10.1007/3-540-44676-1_42
发表时间：
2001-08
期刊：
--
影响因子：
--
作者：
C. Cooper;A. Frieze
通讯作者：
C. Cooper;A. Frieze
DOI：
10.1145/1835698.1835795
发表时间：
2010-07
期刊：
Proceedings of the 29th ACM SIGACT-SIGOPS symposium on Principles of distributed computing
影响因子：
--
作者：
Alexander Wieder;Pramod Bhatotia;Ansley Post;R. Rodrigues
通讯作者：
Alexander Wieder;Pramod Bhatotia;Ansley Post;R. Rodrigues
优先附着网络中改进的度界和全谱幂律
DOI：
--
发表时间：
2017
期刊：
Knowledge Discovery and Data Mining
影响因子：
--
作者：
C. Avin;Zvi Lotker;Yinon Nahum;D. Peleg
通讯作者：
D. Peleg