摘要翻译：
我们提出了一个幂律指数可调的无标度网络模型。泊松增长模型，我们称之为泊松增长模型，是著名的Barab\'{a}si和Albert模型的一个分支，其中网络是由一个小种子网络迭代生成的；在每一个步骤中，一个节点与优先连接到网络中已经存在的节点的多个事件边一起被添加。我们的模型的一个关键特征是每一步增加的边数是一个泊松分布的随机变量，并且不像Barab{A}si-Albert模型中这个数量是固定的，它可以生成任何网络。我们的模型是由贝叶斯推理中的一个应用驱动的，它被实现为马尔可夫链蒙特卡罗来估计一个网络；为此，我们还给出了一个网络在我们的模型下的概率公式。
---
英文标题：
《A preferential attachment model with Poisson growth for scale-free
  networks》
---
作者：
Paul Sheridan, Yuichi Yagahara and Hidetoshi Shimodaira
---
最新提交年份：
2008
---
分类信息：

一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--

---
英文摘要：
  We propose a scale-free network model with a tunable power-law exponent. The Poisson growth model, as we call it, is an offshoot of the celebrated model of Barab\'{a}si and Albert where a network is generated iteratively from a small seed network; at each step a node is added together with a number of incident edges preferentially attached to nodes already in the network. A key feature of our model is that the number of edges added at each step is a random variable with Poisson distribution, and, unlike the Barab\'{a}si-Albert model where this quantity is fixed, it can generate any network. Our model is motivated by an application in Bayesian inference implemented as Markov chain Monte Carlo to estimate a network; for this purpose, we also give a formula for the probability of a network under our model.
---
PDF链接：
https://arxiv.org/pdf/801.28