克朗菲特

Kronecker图:一种网络建模方法。我们如何才能产生现实的网络?此外,我们如何利用一个数学上可处理的模型来实现这一点,该模型允许对网络特性进行严格的分析?真实的网络表现出一长串令人惊讶的特性:重尾表示进出度分布,重尾代表特征值和特征向量,小直径,以及随着时间的推移致密化和收缩直径。当前的网络模型和生成器要么与上述几个属性不匹配,要么数学分析复杂,要么两者兼而有之。在这里,我们提出了一个网络生成模型,这个模型在数学上是可处理的,并且可以生成具有上述所有结构特性的网络。我们这里的主要思想是使用一个非标准矩阵运算,Kronecker积来生成我们称之为“Kronecker图”的图。首先,我们证明了Kronecker图自然地服从公共网络性质。事实上,我们严格地证明他们是这样做的。我们还提供了经验证据表明Kronecker图可以有效地模拟真实网络的结构。然后,我们提出了KRONFIT,一个快速和可扩展的算法来拟合Kronecker图生成模型到大型实际网络。一个幼稚的拟合方法需要超指数时间。相反,KRONFIT利用Kronecker矩阵乘法的结构和使用统计模拟技术,需要线性时间。在大范围的真实网络和合成网络上的实验表明,KRONFIT找到了精确的参数,可以很好地模拟目标网络的特性。事实上,仅使用四个参数,我们就可以精确地模拟全球网络结构的几个方面。一旦拟合,模型参数就可以用来深入了解网络结构,得到的合成图可以用于空模型、匿名化、外推和图形摘要。


zbMATH中的参考文献(参考文献41条,1标准件)

显示第1到第20个结果,共41个。
按年份排序(引用)
  1. 康蒂,阿莱西奥;格罗西,罗伯托;马里诺,安德里亚:真实世界网络的大规模集团封面(2020)
  2. 雅各布,狐狸;拉格花园,蒂姆;塞沙赫里,C。;魏范;韦恩,妮可:《在社交网络中寻找集团:一种新的无分销模式》(2020年)
  3. 金,英色;高超:图结构稀疏的贝叶斯模型选择(2020)
  4. 林瑞芝;张和平;赵维生:正则图直积的匹配排除(2020)
  5. 普曼塔,比迪莎;德,阿比尔;贾娜,古尔哈里;Gó梅兹,维森ç; 查塔拉吉,普拉蒂姆;甘古利,尼罗伊;Gomez Rodriguez,Manuel:\textscNeVAE:分子图的深层生成模型(2020)
  6. 优素福,穆罕默德·欧文;Kim,Suhyun:通过在现有节点之间创建关联和随机链接生成图(2020)
  7. 于明;古普塔,瓦伦;Kolar,Mladen:信息级联低阶基于主题模型的估计(2020)
  8. Zorzi,Mattia:Kronecker图形模型的自回归识别(2020)
  9. 卡姆ár-Nagy,T。;阿曼,A。;金,D。;Rachinskii,Dmitry:魔鬼在细节中:离散Preisach记忆模型的频谱和特征值分布(2019)
  10. 科扎吉安尼迪斯。S、 。;德拉戈蒂。五十、 :循环图上的样条函数和小波(2019)
  11. 拉马尼,阿琼S。;艾克迈尔,妮可;Gleich,David F.:从边缘概率矩阵生成随机图的抛硬币、丢球和跳草(2019)
  12. 郑泽民;巴哈多里,M。塔哈;刘燕;Lv,Jinchi:通过SEED进行可伸缩可解释多响应回归(2019)
  13. 脊柱侧弯;Siminelakis,巴黎:对称图属性具有独立边(2018)
  14. 巴纳斯扎克,朱斯蒂娜;Łuczak,Tomasz:关于Kronecker图的直径(2018)
  15. 埃金奇,Gü博鲁赞利;Kirlangic,Alpay:Kronecker产品图的超级边连通性(2018)
  16. 莫雷诺,塞巴斯蒂安;费弗,约瑟夫J。三;Neville,Jennifer:概率生成图模型的可伸缩精确抽样方法(2018)
  17. 丝袜,利亚特;哈松,诺姆;克劳斯,萨瑞特;伍尔德里奇,迈克尔:在社交网络中形成(k)联盟和促进关系(2018)
  18. 阿里,扎雷扎德;德,阿比尔;乌普德哈伊,乌特卡什;拉比,哈米德·R。;Gomez Rodriguez,Manuel:《指导社会活动:随机最优控制观点》(2018)
  19. 德拉科普洛斯,乔治亚;卡纳沃斯,安德烈亚斯;Tsakalidis,Konstantinos:具有二阶边界的模糊随机游走者:非对称分析(2017)
  20. Haghir Chehreghani,莫斯塔法;Abdessalem,Talel:网络模型(q)-熵的上下界及其在网络模型选择中的应用(2017)