加权网络中的结构特征检测与生长模型研究
在网络研究领域，加权网络的分析至关重要，它能揭示许多复杂系统中的隐藏结构和规律。本文将深入探讨加权网络中显著结构特征的检测方法，以及几种不同的网络生长模型。
1. 加权网络中的模体分析
在加权网络里，模体分析不能仅仅局限于统计特定小图出现的次数。以三角形为例，评估其在加权网络中的相关性时，不仅要考虑三角形的数量，还要关注每个三角形中三条边的权重值。
为了更准确地分析，引入了强度（intensity）和相干性（coherence）这两个概念：
-强度（I(Fw)）：衡量子图边权重的典型值，定义为 (I(Fw) = \left(\prod_{(ij) \in LF} w_{ij}\right)^{\frac{1}{l}})，这里 (w_{ij}) 是边 ((i, j)) 的权重。
-相干性（Q(Fw)）：量化权重的多样性，定义为 (Q(Fw) = \frac{I(Fw)}{\frac{1}{l} \sum_{(ij) \in LF} w_{ij}})。
而图 (F \equiv F_{n,l}) 作为加权图 (G_w) 的子图时，其强度 (I_F) 和相干性 (Q_F) 分别定义为所有与 (F_{n,l}) 拓扑等价的加权子图 (F_w^{n,l}) 的强度和相干性之和：
(I_F = \sum_{F_w} I(F_w))
(Q_F = \sum_{F_w} Q(F_w))
通过计算这两个值，我们能更全面地了解加权网络中特定模式的权重分布情况。为了评估这些值的显著性，需要将图 (G_
