Краткое содержание

arXiv:2507.10795v2 Тип объявления: replace-cross Аннотация: Одной из самых сложных и устойчивых проблем в науке о сетях является разработка различных синтетических моделей графов для поддержки последующего анализа. Среди наиболее заметных подходов к решению этой задачи — модель Artificial Benchmark for Community Detection (ABCD), представляющая собой модель случайного графа со структурой сообществ и степенным распределением как для степеней вершин, так и для размеров сообществ. Эта модель генерирует графы, схожие с известной моделью LFR, но работает быстрее, является более интерпретируемой и может быть исследована аналитически. В данной статье мы используем базовые принципы ABCD и представляем её вариант — mABCD, тем самым заполняя пробел в моделях, способных генерировать многслойные сети. Уникальность предложенного подхода заключается в его гибкости на обоих уровнях моделирования: внутренней структуры отдельных слоёв и межслойных зависимостей, что в совокупности делает сеть целостной структурой, а не набором слабо