有人可以帮助我了解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模型旨在重现在现实世界网络中观察到的某些拓扑属性：社区的大小是幂律分布的，节点度也是如此。称为混合系数的参数允许控制节点在其他社区中具有的邻居的平均比例。
随机块模型更通用，从某种意义上说，它可以用来产生其他形式的网络(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(或社区内部)的链接密度。社区的规模不是被迫分配幂律的。您不直接控制度数分布。
LFR模型应该更真实，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。它旨在为社区检测生成基准。相比之下，块模型首先在社会学中用作描述有关现实世界网络结构的一些假设的一种方式。最近，随机块模型用于获得社区检测问题的分析结果以及该问题的一些解决方法(例如，确定一种方法理论上可以找到确切分区的参数边界)。
就个人而言，当我需要对社区检测算法进行一些经验比较时，我在工作中使用了LFR。