社交网络中的相关距离
摘要：在这项工作中，我们探索了复杂网络中的度相关性，并将其常规定义扩展到超出最近邻的范畴。我们将此定义应用于模型网络，并描述了一种重新连接算法，用于诱导相关性。我们将这些结果与真实网络进行比较。特别是社交网络在程度上的混合是协同的，与其他许多类型的复杂网络形成对比。然而，我们在这里展示出，在一步之后，这些正相关性会减弱，并且在大多数经验网络中也是如此。除了程度之外，其他属性也支持这一点，比如科学合著网络中的论文数量，没有超越最近邻的相关性。在超过下一个最近邻时，我们还观察到3个步骤外的节点之间存在不相关的倾向，表明在该距离上的节点更可能不同于相似。
作者：P''adraig MacCarron, Shane Mannion, Samuel Unicomb, Thierry Platini
论文ID：2212.11051
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2022-12-22