在数学中，例如在研究图的统计特性时，零模型是一种随机对象，它在某些特征上与一个特定对象相匹配，或者更一般地满足一组约束，但在其他方面被视为无偏随机结构。零模型用作比较术语，以验证所讨论的对象是否显示一些非平凡特征（仅凭机会或约束不会预期的属性），例如图中的社区结构。适当的零模型根据所研究系统行为的合理零假设行事。
复杂网络研究中的一种效用空模型是由 Newman 和 Girvan 提出的，它由原始图 $G$ 的随机版本组成，通过随机重新连线的边产生，在每个顶点的预期度的约束下与原始图中顶点的度数匹配。
零模型是模块化定义背后的基本概念，模块化是评估图划分为簇的良好程度的函数。特别是，给定图 $G$ 和特定的社区分区 $\sigma: V(G) \rightarrow\{1, \ldots, b\}$ （社区索引 $\sigma(v)$ 的分配（这里取从 1 到 $b$ 的整数）到图中的每个顶点 $v \in V(G)$ ），模块化度量来自/到每对社区的链接数量之间的差异，从除了每个顶点的度数集（度数序列）之外，图中的所有方面都是完全随机的。换句话说，模块化将 $G$ 中展示的社区结构与空模型的社区结构进行对比，在这种情况下，零模型是配置模型（受每个顶点度数约束的最大随机图）。
Python和MATLAB网络尺度结构和幂律度大型图生成式模型算法
https://embed.notionlytics.com/wt/ZXlKM2IzSnJjM0JoWTJWVWNtRmphMlZ5U1dRaU9pSlhiRWhvWlV4VVQxbHNjMlZYV2tKbU9URndaU0lzSW5CaFoyVkpaQ0k2SWpaaFpUZ3pObVl6TmpJeU5UUXlaV05pWVdabE1URTBZMk0wTTJKbE1qSmlJbjA9