[論文レビュー] A Scalable Null Model for Directed Graphs Matching All Degree Distributions: In, Out, and Reciprocal

Nurcan Durak, Tamara G. Kolda+2 more|arXiv (Cornell University)|Oct 19, 2012

Complex Network Analysis Techniques参考文献 2被引用数 4

ひとこと要約

本稿では、入次数、出次数、相互次数分布を同時に一致させるスケーラブルな無作為化モデルとして、Fast Reciprocal Directed (FRD)グラフ生成手法を提案する。Chung-Luモデルにインspiredされ、1分未満で数百万エッジを持つグラフを生成するため、$O(m)$個の乱数を用いる。実世界のデータセットにおいて、相互エッジ数と次数分布の両方を、既存のモデルよりも優れた性能で再現する。

ABSTRACT

Degree distributions are arguably the most important property of real world networks. The classic edge configuration model or Chung-Lu model can generate an undirected graph with any desired degree distribution. This serves as a good null model to compare algorithms or perform experimental studies. Furthermore, there are scalable algorithms that implement these models and they are invaluable in the study of graphs. However, networks in the real-world are often directed, and have a significant proportion of reciprocal edges. A stronger relation exists between two nodes when they each point to one another (reciprocal edge) as compared to when only one points to the other (one-way edge). Despite their importance, reciprocal edges have been disregarded by most directed graph models. We propose a null model for directed graphs inspired by the Chung-Lu model that matches the in-, out-, and reciprocal-degree distributions of the real graphs. Our algorithm is scalable and requires $O(m)$ random numbers to generate a graph with $m$ edges. We perform a series of experiments on real datasets and compare with existing graph models.

研究の動機と目的

• 入次数、出次数、相互次数の3つの次数分布を同時に一致させるスケーラブルな無作為化モデルを、有向グラフ用に開発すること。
• 社会的・通信ネットワークにおいて顕著な相互エッジの存在にもかかわらず、従来の有向グラフモデルでそれらが軽視されている問題に対処すること。
• 指定された次数分布に従いながら、相互性を維持する高速かつ効率的なアルゴリズムを構築すること。
• コミュニティ検出、モジュラリティ、その他のネットワーク解析手法の評価のためのベースラインモデルを提供すること。

提案手法

• Chung-Luモデルを有向グラフに適応させるために、相互エッジ確率を明示的に組み込む。
• 3段階のプロセスを採用する：(1) 期待される入次数と出次数を割り当て、(2) 次数制約に基づいて相互エッジ確率を計算、(3) 重み付きベルヌーイ過程を用いてエッジをサンプリング。
• 期待次数が入力分布と一致するように保証しつつ、スケーラビリティを維持するランダム化エッジ生成戦略を採用。
• Chung-Lu型モデルでしばしば不足しやすい次数1の頂点のカウントの正確性を向上させるための修正を導入。
• 生成に$O(m)$時間と$O(m)$個の乱数のみを用いるため、大規模ネットワークの高速生成が可能。
• 次数補正機構を組み込むことで、次数1のノードの数をより正確に再現し、実データへの忠実度を向上。

実験結果

リサーチクエスチョン

• RQ1 入次数、出次数、相互次数分布を同時に一致させるスケーラブルな無作為化モデルを有向グラフ用に設計可能か？
• RQ2 既存の有向グラフモデルは、なぜ実ネットワークで観察される相互エッジ分布を再現できないのか？
• RQ3 FRDモデルは、Forest Fire や SKG のような現実的モデルと比較して、次数分布の一致度においてどの程度優れているか？
• RQ4 標準的なChung-Lu変種と比較して、FRDモデルは次数1のノードの表現をどの程度改善しているか？
• RQ5 入次数、出次数、相互次数の3つの次数分布をすべて一致させる無作為化モデルは、コミュニティ検出やモジュラリティ解析の意味のあるベースラインとして機能できるか？

主な発見

• FRDモデルは、cit-HepPh、soc-Epinions、liveJournalを含むすべてのテスト対象実世界データセットにおいて、入次数、出次数、相互次数の3つの次数分布を正確に再現した。
• FRDモデルは、実ネットワークとほぼ同一の数の相互エッジを生成する：たとえば、liveJournalでは32,432Kの相互エッジ（実際：32,434K）を生成し、わずか2Kの差異にとどまる。
• Forest Fire (FF) や Falkenborg-Dalal (FD) モデルのような既存のモデルは、相互エッジをほとんど生成しない（例：0または<100）ため、実際の相互エッジ数を再現できない。
• FRDモデルは、1分未満で数百万ノード・エッジのグラフを生成でき、SKG や FD よりも高速であり、liveJournalの生成時間は41.75秒、また同じデータセットで59.98秒を記録した。
• FRDモデルは、従来のChung-Luモデルに比べて、次数1のノードの表現を顕著に改善し、先行研究で知られていた欠陥を是正した。
• 実験的比較の結果、唯一FRDモデルが相互次数分布を正確に再現しており、他のモデルは徹底的にチューニングを行っても完全に失敗している。