高阶网络统计指标综述OA北大核心CSTPCD
复杂网络是描述和理解现实世界中复杂系统的有力工具.近年来,为了更准确地描述复杂网络中的交互关系,或者从高阶视角分析成对交互作用网络,许多学者开始使用高阶网络进行建模,并在研究其动力学过程中发现了与成对交互作用网络不同的新现象.然而,与成对交互作用网络相比,高阶网络的研究相对较少;而且,高阶网络结构相对复杂,基于结构的统计指标定义较为分散且形式不统一,这些都给描述高阶网络的拓扑结构特征带来了困难.鉴于此,本文综述了两种最常见的高阶网络——超图和单纯形网络——常用的统计指标及其物理意义.本文有助于加深对高阶网络的理解,促进对高阶网络结构特征的定量化研究,也有助于研究者在此基础上开发更多适用于高阶网络的统计指标.
刘波;曾钰洁;杨荣湄;吕琳媛;
电子科技大学基础与前沿研究院,成都610054 电子科技大学长三角研究院(湖州),湖州313001电子科技大学基础与前沿研究院,成都610054电子科技大学基础与前沿研究院,成都610054 中国科学技术大学网络空间安全学院,合肥230026 电子科技大学长三角研究院(湖州),湖州313001
数学
高阶网络超图单纯形网络统计指标
《物理学报》 2024 (012)
P.60-77 / 18
科技创新2030-“脑科学与类脑研究”重大项目青年科学家项目(批准号:2022ZD0211400);国家自然科学基金重大项目(批准号:T2293771);四川省杰出青年科学基金(批准号:2023NSFSC1919)资助的课题.
评论