TTiti的学习笔记
首页 / 综合实践 / 11_RGCN两个月极值网络学习/第01套学习材料_复杂网络名词地图/Day07_综合复盘和自测.md

Day 07：综合复盘和自测

综合实践 · 11_RGCN两个月极值网络学习/第01套学习材料_复杂网络名词地图/Day07_综合复盘和自测.md

Day 07：综合复盘和自测

1. 本周你应该掌握的主线

用一句话串起来：

真实网络常有高度异质的 degree distribution，幂律尾部会导致极端 hub，而 hub 会影响 giant component 和 small-world 性质；ER 图是重要基准，但无法充分解释这些极端连接现象。

2. 一页名词地图

请把下面词汇分成 4 组：

A. 网络基本对象

  • graph
  • vertex
  • edge
  • degree
  • degree distribution

B. 尾部与极值

  • tail distribution
  • power law
  • heavy tail
  • maximum degree
  • hub

C. 网络整体结构

  • connected component
  • giant component
  • typical distance
  • small-world
  • scale-free

D. 基准模型

  • Erdos-Renyi graph
  • sparse regime
  • Poisson degree
  • phase transition

3. 十题自测

  1. graph 中 vertex 和 edge 分别表示什么？
  2. degree 为什么比“是否有连接”更有信息？
  3. degree distribution 和 average degree 有什么区别？
  4. CCDF 为什么适合观察尾部？
  5. power law tail 为什么会产生 hub？
  6. n P(D > x_n) approx 1 的直觉是什么？
  7. scale-free 和 small-world 有什么区别？
  8. giant component 为什么对传播问题重要？
  9. ER 图中为什么 degree 近似 Poisson？
  10. 为什么 ER 图不能很好解释真实网络中的极端高度数节点？

4. 标准答案方向

  1. vertex 是对象，edge 是对象之间的关系。
  2. degree 衡量一个节点直接连接的规模。
  3. average degree 是一个均值，degree distribution 描述整体差异。
  4. CCDF 直接看 P(D >= k)，更适合观察高 degree 区域。
  5. 幂律尾部下降慢，大样本中自然会出现极端值。
  6. 如果期望有 1 个节点超过阈值，那么最大值大约在这个阈值附近。
  7. scale-free 说度数尾部，small-world 说路径距离。
  8. giant component 表示大规模连通，传播可以到达宏观比例节点。
  9. Bin(n-1, lambda/n) 在 n 大时近似 Poisson(lambda)。
  10. Poisson 尾部太轻，极端 hub 出现概率太低。

5. 本周可写进笔记的总结

本周我建立了复杂网络的基础名词地图。复杂网络首先被表示为 graph，其中节点表示对象，边表示关系。degree distribution 描述随机节点的连接数分布，而尾部分布决定是否会出现 hub。若 degree distribution 具有 power-law tail，则最大度数会随网络规模快速增长。ER 图提供了重要基准，在 sparse regime 下 degree 近似 Poisson，并能展示 giant component 的 phase transition；但由于 Poisson 尾部较轻，ER 图不能充分解释真实复杂网络中的极端 hub。因此，后续需要学习 configuration model、inhomogeneous random graph 和 preferential attachment。

6. 给 AI 的综合提示词


我完成了 RGCN 第一周学习，主题是复杂网络名词地图。

请用问答方式考我以下概念：

graph, degree, degree distribution, CCDF, power law, hub, scale-free, small-world, giant component, Erdos-Renyi graph。

要求：

1. 每次只问一个问题；

2. 如果我回答不完整，请指出缺失点；

3. 最后帮我生成一段适合写进学习笔记的总结。

反向链接

极值