随机引用图

sample_last_cit() 创建一个图，其中顶点会老化，并根据上次被引用的时间来获得新的连接。

用法

sample_last_cit(
  n,
  edges = 1,
  agebins = n/7100,
  pref = (1:(agebins + 1))^-3,
  directed = TRUE
)

last_cit(...)

sample_cit_types(
  n,
  edges = 1,
  types = rep(0, n),
  pref = rep(1, length(types)),
  directed = TRUE,
  attr = TRUE
)

cit_types(...)

sample_cit_cit_types(
  n,
  edges = 1,
  types = rep(0, n),
  pref = matrix(1, nrow = length(types), ncol = length(types)),
  directed = TRUE,
  attr = TRUE
)

cit_cit_types(...)

参数

n

顶点数。

edges

每步的边数。

agebins

老化箱的数量。

pref

向量（sample_last_cit() 和 sample_cit_types()）或矩阵 (sample_cit_cit_types())，给出不同顶点类型的（未标准化的）引用概率。

directed

逻辑标量，是否生成有向网络。

...

传递给实际构造函数。

types

长度为 ‘n’ 的向量，表示顶点的类型。类型从零开始编号。

attr

逻辑标量，是否将顶点类型作为名为 ‘type’ 的顶点属性添加到生成的图中。

值

一个新图。

详细信息

sample_cit_cit_types() 是一个随机块模型，其中图正在增长。

sample_cit_types() 类似地是一个增长的随机块模型，但边的概率仅取决于（可能）被引用的顶点。

参见

随机图模型（游戏） bipartite_gnm(), erdos.renyi.game(), sample_(), sample_bipartite(), sample_chung_lu(), sample_correlated_gnp(), sample_correlated_gnp_pair(), sample_degseq(), sample_dot_product(), sample_fitness(), sample_fitness_pl(), sample_forestfire(), sample_gnm(), sample_gnp(), sample_grg(), sample_growing(), sample_hierarchical_sbm(), sample_islands(), sample_k_regular(), sample_pa(), sample_pa_age(), sample_pref(), sample_sbm(), sample_smallworld(), sample_traits_callaway(), sample_tree()

作者

Gabor Csardi csardi.gabor@gmail.com