生物医学网络科学Biomedical Network Science
网络分析流程与 NetworkX 实践10 / 16

用模型网络与零模型解读真实网络

阅读
约 1 分钟

判断小世界和无标度的方法见小世界与无标度网络模型,零模型的系统讨论见零模型与空模型。实际研究中常见的做法是把真实网络的指标与几种模型网络(及零模型)放在一张表里比较:

指标 真实网络 ER(同 NN、MM) 保度随机化 解读
平均聚集系数 CC C≫CrandC\gg C_{\text{rand}} 提示局部成团
平均最短路径 LL L≈LrandL\approx L_{\text{rand}} 且 C≫CrandC\gg C_{\text{rand}} 提示小世界
度同配系数 rr 生物网络常为负(枢纽连向低度节点)
模块度 QQ 应与零模型的 QQ 比较,随机网络也能得到不小的 QQ

小世界系数 σ=C/CrandL/Lrand\sigma=\dfrac{C/C_{\text{rand}}}{L/L_{\text{rand}}},σ>1\sigma>1 提示小世界性。零模型应多次生成(如 20–100 次),报告均值与标准差,必要时计算 zz 分数 z=(Xreal−X‾rand)/srandz=(X_{\text{real}}-\bar X_{\text{rand}})/s_{\text{rand}} 或经验 pp 值。

代码示例对《悲惨世界》人物共现网络(77 个节点,按无权图处理)做了这样的比较:真实网络 C=0.573C=0.573,ER 零模型均值约 0.091,保度零模型均值约 0.199;平均最短路径与两种零模型接近(2.64 对约 2.5);以 ER 为参照的小世界系数 σ≈5.9\sigma\approx5.9。保度零模型的 CC 更接近真实值,说明一部分聚集来自度序列(几个高度人物)本身,这正是保度零模型“更严格”的含义。

“度分布在双对数坐标下近似直线,所以是无标度网络”是研究报告中最常见的过度推断。幂律拟合需要专门的统计方法(最大似然估计、拟合优度检验、与对数正态等分布比较),而且很多生物网络的度分布更接近截断幂律或其他重尾分布。报告中写“度分布呈重尾”往往比写“无标度”更稳妥(参见小世界与无标度网络模型中关于“无标度是否普遍”的讨论,以及 Clauset 2009、Broido 2019 的论文精读)。