日本企业间有偏扩散的平均场近似

因为，粗略地说，结合销售s和学位k之间的比例，s（k）∝ k1。3，以及员工数量l和学位k，l（k）之间微不足道的经验标度∝ k1。0参考文献[20]中报告，我们获得了员工和销售之间的比例，s（l）∝ l1。3.感谢作者感谢Enago（www.Enago.jp）的英文评论。参考文献1。纽曼M（2003）复杂网络的结构和功能。暹罗评论45:167–256.2。Boccaletti S，Latora V，Moreno Y，Chavez M，Hwang D（2006）复杂网络：结构与动力学。物理报告424:175–308.3。Albert R，Barab\'asi A（2002）复杂网络的统计力学。现代物理学综述74:47.4。布林·S，L页（1998）大型超文本网络搜索引擎的剖析。计算机网络和ISDN系统30:107–117.5。Noh J，Rieger H（2004）复杂网络上的随机游动。物理修订版92:118701.6。Litvak N，Scheinhardt W，Volkovich Y，Zwart B（2009）对尾部依赖程度和pagerank的表征。网络图的算法和模型：90–103.7。Guimera R，Mossa S，Turtschi A，Amaral L（2005）全球航空运输网络：反常的中心性、社区结构和城市的全球角色。美国国家科学院学报102:7794–7799.8。Sen P，Dasgupta S，Chatterjee A，Sreeram P，Mukherjee G等（2003）印度铁路网的小世界属性。物理版E 67:036106.9。Chmiel A，Kowalska K，Ho lyst J（2009）门户浏览期间人类行为的缩放。PhysRev E 80:066122.10。Glattfelder J，Battiston S（2009）公司复杂网络的主干：控制流。物理版E 80:036104.11。Vitali S，Glattfelder J，Battiston S（2011）全球公司控制网络。《公共科学图书馆综合》6:e25995。12.Vitali S，Battiston S（2011）《欧洲所有权网络中的地理与拓扑结构》。

纽约理工大学物理系13:063021.13。Watanabe H，Takayasu H，Takayasu M（2012）对日本企业间贸易网络的偏见分歧：从网络结构估计销售额。新物理杂志14:043034.14。Ohnishi T，Takayasu H，Takayasu M（2009）日本企业间网络的中心和管理机构：非常大的有向网络中节点的特征。高等物理179:157–166.15。Tamura K、Miura W、Takayasu M、Takayasu H、Kitajima S等（2012）大型企业间网络上交互节点之间流量的估计。摘自：国际现代物理学杂志：会议系列。《世界科学》，第16卷，第93-104.16页。Iino T，Kamehama K，Iyetomi H，Ikeda Y，Ohnishi T等（2010）大规模交易网络中的社区结构和可视化。发表于：物理学杂志：会议系列。《国际奥林匹克出版社》，第221卷，第012.17页。Tamura K、Miura W、Takayasu M、Takayasu H、Kitajima S等（2012）日本企业间网络的货币运输：根据邻接矩阵估计销售额。摘自：日本京都亚太智能与进化系统研讨会论文集（ISBN978-499066920-1）。18。Miura W，Takayasu H，Takayasu M（2012）进化复杂网络中节点凝聚的影响。物理修订108:168701.19。Miura W，Takayasu H，Takayasu M（2012）企业网络中资金流动不对称行为的起源。欧洲物理杂志专题212:65-75.20。Watanabe H，Takayasu H，Takayasu M（2013）复杂系统中异速缩放和波动之间的关系：日本企业的案例。Physica A 392:741-756.21。Fronczak A，Fronczak P（2009）复杂网络中的有偏随机游动：本地导航规则的作用。物理版E 80:016107.22。Milo R，Kashtan N，Itzkovitz S，Newman M，Alon U（2003）关于具有规定度序列的随机图的均匀生成。

arXiv预印本cond mat/0312028.23。Maslov S，Sneppen K（2002）蛋白质网络拓扑的特异性和稳定性。科学信号296:910.24。Baronchelli A，Pastor Satorras R（2010）加权网络上的平均场差异动态。PhysRev E 82:011111.25。Costa L，Rodrigues F，Travieso G，Boas P（2007）复杂网络的表征：测量调查。高级物理56:167-242。图5-3-1CDFK1。3.图1。艺术网络度的累积分布函数。我们确认度服从指数为-1.3的幂律分布，即Pk（k）∝ K-2.3.度相关knn（k）度k0。70.0-0.7图2。最近邻区的平均度，作为人工网络度的函数，knn（k）。黑色三角形表示γ=-0.7，红色的纳布拉斯表示γ=0.0，绿色的正方形表示γ=0.7。黑色虚线与k成正比-0.7，红色虚线与k0成正比。绿色虚线和双虚线与k0成正比。7.标度平均销售额x\'（k）度k1。0图3。模型1的销售额平均值与阶数x（k）的函数关系。我们绘制了标度值[x′（k）=x（k）/x（1）]。黑色三角形表示γ=-0.7，红色的纳布拉斯表示γ=0.0，绿色的正方形表示γ=0.7。模型1的销售额平均值与阶数x（k）的函数关系。从这张图中，我们可以确定x（k）与k成正比，而与knn（k）无关。这些结果与等式11给出的近似值一致，即x（k）∝ k、 -4-2标度平均销售额x\'（k）度k1。32.02.7图4。模型2的销售额平均值与阶数x（k）的函数关系。我们绘制了标度值[x′（k）=x（k）/x（1）]。

黑色三角形表示γ=-0.7，红色的纳布拉斯表示γ=0.0，绿色的正方形表示γ=0.7，黑色虚线与k·k成正比-0.7=k1。红灰虚线与k2成正比。绿色虚线双虚线与tok·k0成正比。7=k2。7.这些结果与等式13给出的近似值一致；即x（k）∝ k·knn（k）。γ的结果=-0.7[即knn（k）∝ K-0.7]对应于指数为1.3的经验标度。表1。指数总结。模型网络指数β等分割模型企业网络1.0加权分割模型企业网络1.3加权分割模型企业网络2.0销售（经验数据）企业网络1.3