Kar*_*yan 2 r graph-theory social-networking igraph
有人可以帮助我理解 LFR 基准和随机块模型之间的区别吗？我正在尝试比较人工数据集和真实数据集上的社区检测算法，在人工部分我不知道哪个基准生成器更合理？
LFR 模型旨在重现现实世界网络中观察到的某些拓扑特性：社区的大小呈幂律分布，节点度也是如此。称为混合系数的参数可以控制节点在其他社区中的邻居的平均比例。
随机块模型更通用，因为它可以用于生成其他形式的网络（例如，多部分或核心-外围而不是社区结构）。用户为每对社区（或每个社区）指定社区之间（或内部）的链接密度。社区的规模并不强制服从幂律分布。您不能直接控制学位分布。
LFR 模型应该更现实，这意味着它被定义为模仿在某些现实世界网络中观察到的特征。它旨在生成社区检测基准。相比之下，块模型首先用于社会学，作为描述有关现实世界网络结构的一些假设的方式。最近，随机块模型被用来获得社区检测问题和该问题的一些解决方法的分析结果（例如，确定一种方法理论上可以找到精确分区的参数界限）。
就我个人而言，当我需要对社区检测算法进行一些实证比较时，我在工作中使用了 LFR。