度相关性与同配性

一、高阶度分布的引入

平均度< k >=2M/N可以视为网络的0阶度分布特性，它除了告诉我们网络中有多少条边之外，并没有给出这些边是如何安置在网络中的任何信息。给定一个网络的节点数N和边数M，那么任一与该网络具有相同节点数和边数的网络模型也具有相同的平均度。
网络的度分布P(k) =n(k)/N可以视为网络的1阶度分布特性，它刻画了网络中不同度的节点各自所占的比例，这里n(k)是网络中度为k的节点数。如果随机地从网络中选取一个节点，那么该节点度为k的概率即为P(k)。显然，度分布中已经包含了平均度的信息:

具有相同度分布的两个网络可能具有非常不同的其它性质或行为，例如上图上图是具有两个完全相同度序列的网络，但结构却不同，为了进一步刻画网络的拓扑结构，需要考虑包含更多结构信息的高阶拓扑特性。

二、联合概率分布

1、联合概率分布定义

联合概率P(j,k)定义为网络中随机选取的一条边的两个端点的度分别为j和k的概率，即为网络中度为j的节点和度为k的节点之间存在的边数占网络总边数的比例：

其中，m(j,k)是度为j的节点和度为k的节点之间的连边数；如果j=k，那么$\mu$(j,k) =2，否则$\mu$(j,k) =1。

2、联合概率分布性质

（1）对称性：

（2）归一化：

（3）余度分布：

其中k${}_{min}$和k${}_{max}$分别为网络中节点的度的最小值和最大值。P${}_n$(k)表示网络中随机选取的一个节点随机选取的一个邻居节点度为k的概率。
这里要注意的是，P${}_n$(k)与度分布P(k)是不同的。例如，我们无法从一个节点出发到达网络中的孤立节点。因此，在网络中存在孤立节点的情形：P${}_n$(0)$\equiv$ 0<P(0)。
我们记

下式表明网络的二阶度分布特性包含了一阶度分布特性：

若网络中两个节点是否有边相连与这两个节点的度值无关，即网络中随机选择的一条边的两个端点的度是完全随机的，既有

那么就称网络不具有度相关性，或者称网络是中性的，否则，就称网络具有度相关性。
对于度相关的网络，如果总体上度大的节点倾向于连接度大的节点，那么就称网络是度正相关的，或者称网络是同配的；如果总体上度大的节点倾向于连接度小的节点，那么就称网络是度负相关的，或者称网络是异配的。 下图表明，具有相同度序列(从而也具有相同度分布)的网络可以具有完全不同的度相关性。

三、余平均度

1、定义

另一种更为简洁的判断度相关性的方法是计算度为k的节点的邻居节点的平均度，也称度为k节点的余平均度。记为<k${}_{nn}$>(k)。

2、计算

2.1 计算方式1

假设节点i的k${}_i$个邻居节点的度为k${}_{i_j}$，j=1，2，3，，，k${}_i$。我们可以计算节点i的余平均度<k${}_{nn}$>(i)如下：

例如上图的余平均度为：

2.2 计算方式2

假设网络中度为k的节点为v${}_1$,v${}_2$，，，v${}_i$，那么度为k的节点的余平均度可计算如下：

3、余平均度与与条件概率和联合概率的关系

<k${}_{nn}$>(k)与田间概率和联合概率的关系如下：

如果<k${}_{nn}$>(k)是k的增函数，那么就意味着平均而言，度大的节点倾向于与度大的节点连接，从而表明网络是同配的；反之，如果<k${}_{nn}$>(k)是k的减函数，那么就意味着平均而言，度大的节点倾向于与度小的节点连接，从而表明网络是异配的；如果网络不具有度相关性，那么<k${}_{nn}$>(k)是一个与k无关的常数：

四、同配系数

我们介绍如何用一个指标来刻画网络同配还是异配，由前面的式子我们知道网络是度相关就意味着e${}_{jk}$与q${}_j$q${}_k$之间不恒等。可以考虑用两者之间的差的大小刻画网络的同配或异配程度，即如下定义的度相关函数：

一般来说，规模大的网络根据上式计算的到的值的绝对值也越大，但可以通过归一化处理消除这一影响，从而可以比较不同规模网络同配或异配程度。当网络为完全同配时，e${}_{jk}$=q${}_k$${\delta }_{jk}$，上式定义的度相关函数达到最大值，即为余度分布q${}_k$的方差：

于是得到归一化的相关系数，也称同配系数如下：

其中r$\in$[-1,1]，r>0时网络同配，r<0时网络异配。|r|的大小反应了网络中同配或异配的强弱程度。

五、实际网络中的同配性质

蛋白质交互网络和神经网络等生物网络以及互联网和www等技术网络都是异配的，包括科研人员合作和电影演员合作在内的许多现实社会网络往往呈现较为明显的同配性特征，而不同的在线社会网络却可能呈现不同的同配、异配或接近中性的特征。

六、同配概念的一般化

从更为一般的角度看，同配就是指属性相近的节点倾向于互相连接。这里的属性可以是节点的度值，但也可以是我们感兴趣的其他特性，例如,社会网络中个体的职业、年龄种族、信仰等等。