Abstract
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.
Type
Publication
物理学报
Click the Slides button above to demo Academic’s Markdown slides feature.
Supplementary notes can be added here, including code and math.
Yujie Zeng
PhD Candidate
My research interests primarily focus on network science, higher-order network analysis, graph representation learning and interdisciplinary applications.
Linyuan Lü
Professor
Professor, doctoral supervisor, winner of the National Natural Science Foundation of Outstanding Youth Science Fund.