Revisiter l'Attachement Préférentiel, et ses applications aux Réseaux Sociaux
Abstract
Calculer la distribution des degrés de graphes aléatoires, exactement ou même par approximation, est une question de grande importance. Motivés par l'analyse des systèmes complexes, en particulier des réseaux sociaux, nous étudions cette question dans le cas des modèles d'attachement préférentiel. Plus précisément, nous montrons de nouvelles connexions entre le calcul asymptotique de la distribution des degrés dans ces modèles, et la distribution stationnaire de certains processus de Markov associés. En particulier, il nous permet d'analyser des modèles d'attachements préférentiels complexes, tels que ceux avec des distributions de degrés corrélés, et ceux avec suppressions d'arêtes. Nous appliquons notre approche à un nouveau modèle, créé afin de mieux prendre en compte certaines propriétés importantes du graphe de Twitter. Un autre résultat de l'application de notre méthode est la détermination de la distribution bivariée des degrés entrant et sortant pour le modèle proposé par Bollobas et al. Notre approche est générique, et simplifie et unifie les calculs. Nous nous attendons donc à d'autres applications dans le domaine des graphes aléatoires.
Origin : Files produced by the author(s)
Loading...