优先连接模型被证明在预测现实世界网络的幂律度分布、小直径等重要特性方面非常有效。然而,它们不允许对所谓的近因属性。Recency属性反映了这样一个事实,即在许多实际网络中,顶点往往会连接到其他具有类似年龄的顶点。这一事实促使我们引入并分析了一类新的模型——基于近因的模型。这门课是Bianconi和Barabási提出的健身模型的推广。Bianconi和Barabási用页面的内在质量扩展了优先附加模型,或适应性个顶点。为了进一步反映最近性属性,通过在吸引力函数中添加最近性因子来推广适应度模型是合理的。这意味着页面将根据其吸引力,它由页面的传入程度(当前流行程度)决定固有质量(一些特定于页面的常量)和年龄(新页面获得新链接的速度更快)。在本文中,我们严格分析了最现实的基于近因的模型中的度分布。此外,我们还证明了该模型确实反映了最近性。

您当前没有访问此文章的权限。