在这个项目中，研究人员正在开发方法来描述和利用现实社会和信息网络中的“树状”结构。特别是，他们关注两个相关但互补的类树性概念，以及图的相关启发式变体。这些概念将用于开发工具，以描述现实复杂网络粗树化的方式，并将用于开发用于改进现实网络分析的工具。将特别关注这如何揭示中等规模的结构，即现实网络中的非小规模或局部、非大规模或全球结构。
最近的技术进步导致了社会和信息网络数据的爆炸性增长，这些数据已经在广泛的学科中进行了分析。这导致了广泛的度量，例如度分布、聚类系数、亲同性度量等，以描述和提取现实网络的洞察力。最终，希望这些指标将帮助领域科学家从这些网络中提取信息和可操作的见解。然而，由于以下几个原因，这种热情尚未完全实现：因为现有的指标并没有完美地捕捉到感兴趣的属性；因为现有网络的粗略结构属性是微妙的，并不总是被完全理解；由于应用于实际网络的流行算法的特性仅被部分理解；基于这些以及相关的原因，一个持续的挑战是开发更精细的可操作指标，以了解现实网络的属性。这项工作是及时的，因为尽管最近有大量的理论和经验工作表明此类网络具有树状属性，但现有的用于识别树状结构的算法和统计工具是为更结构化的应用开发的，从而限制了它们在实际网络中的应用。
NSF拨款提供的资金#1423621
