[論文レビュー] Average Distance in a General Class of Scale-Free Networks with Underlying Geometry

Karl Bringmann, Ralph Keusch+1 more|arXiv (Cornell University)|Feb 18, 2016

Complex Network Analysis Techniques参考文献 26被引用数 25

ひとこと要約

本稿では、各頂点に任意の基本空間内のランダムな位置を割り当て、エッジ確率が位置に任意に依存するが、周辺エッジ確率がChung-Luランダムグラフと一致するように制約を課す、幾何的ランダムグラフの一般クラスを導入する。主な結果は、このようなすべてのモデルが、Chung-Luグラフと同一の平均距離 — (2±o(1))log log n / |log(β−2)| — を示すことであり、これは幾何的詳細（非距離空間を含む）にかかわらず、超小世界性の普遍性を示している。

ABSTRACT

In Chung-Lu random graphs, a classic model for real-world networks, each vertex is equipped with a weight drawn from a power-law distribution, and two vertices form an edge independently with probability proportional to the product of their weights. Chung-Lu graphs have average distance O(log log n) and thus reproduce the small-world phenomenon, a key property of real-world networks. Modern, more realistic variants of this model also equip each vertex with a random position in a specific underlying geometry. The edge probability of two vertices then depends, say, inversely polynomial on their distance. In this paper we study a generic augmented version of Chung-Lu random graphs. We analyze a model where the edge probability of two vertices can depend arbitrarily on their positions, as long as the marginal probability of forming an edge (for two vertices with fixed weights, one fixed position, and one random position) is as in Chung-Lu random graphs. The resulting class contains Chung-Lu random graphs, hyperbolic random graphs, and geometric inhomogeneous random graphs as special cases. Our main result is that every random graph model in this general class has the same average distance as Chung-Lu random graphs, up to a factor 1+o(1). This shows in particular that specific choices, such as the underlying geometry being Euclidean or the dependence on the distance being inversely polynomial, do not significantly influence the average distance. The proof also yields that our model has a giant component and polylogarithmic diameter with high probability.

研究の動機と目的

• Chung-Luランダムグラフの超小世界性（平均距離O(log log n)）が、より現実的な幾何的変種においても保持されるかを理解すること。
• 超小世界性を保つために必要な、下位幾何構造およびエッジ確率関数の最小限の構造的仮定を同定すること。
• 平均距離が、距離空間が非距離的であっても、広範な幾何的スケールフリーネットワーククラス全体にわたって普遍的であることを確立すること。
• この一般クラスにおいて、巨大成分と多対数的直径の性質が成り立つことを証明すること。

提案手法

• 各頂点がスケールフリーパワー則の重みと、任意の基本空間X内のランダムな位置を持つ一般モデルを定義する。
• 頂点間のエッジ確率を、その位置に任意に依存させることを許容するが、周辺確率制約を課す：固定されたuとw_uに対して、x_vの確率的変動による期待エッジ確率が、Chung-Lu確率min{1, w_u w_v / W}の定数倍の範囲内にあること。
• 確率的および集中の議論を用いて、いかなるモデルに対しても平均距離が(2±o(1)) log log n / |log(β−2)| に一致することを示す。これはChung-Luの結果と一致する。
• このクラスに属するすべてのモデルが、高確率で線形サイズの唯一の巨大成分とO(polylog n)の直径を持つことを証明する。
• このフレームワークを、既知のモデル（例：双曲的ランダムグラフ、幾何的非一様ランダムグラフ(GIRGs)）に適用し、それらが特別な場合であることを示す。
• しきい値モデル（例：α=∞）などの極端な場合に対処し、エッジが(w_u w_v / W)^{1/d}に比例する距離内でのみ形成されることを扱う。

実験結果

リサーチクエスチョン

• RQ1 下位空間が非距離的であっても、Chung-Luランダムグラフの幾何的変種において、超小世界性（平均距離O(log log n)）は保持されるか？
• RQ2 位置に依存するエッジ確率関数に対して、Chung-Luグラフの平均距離を保つために必要な最小条件は何か？
• RQ3 この一般クラスにおいて、巨大成分と多対数的直径の性質を保証できるか？
• RQ4 平均距離は、ユークリッド的、双曲的、またはしきい値ベースのモデルなど、異なる幾何的インスタンス間で普遍的か？

主な発見

• 提案されたクラスに属するすべてのモデルは、Chung-Luランダムグラフと同一の平均距離 — 2<β<3の範囲で(2±o(1)) log log n / |log(β−2)| — を有する。
• 平均距離は、特定の幾何構造、距離依存性（例：逆多項式、指数関数的、しきい値）、あるいは基本空間が距離的かどうかにかかわらず、クラス全体にわたって普遍的である。
• このクラスには、双曲的ランダムグラフや幾何的非一様ランダムグラフ(GIRGs)といったよく知られたモデルが特別な場合として含まれる。
• このクラスに属するすべてのモデルは、高確率で線形サイズの唯一の巨大成分とO(polylog n)の直径を持つ。
• 基本空間が非距離的であっても、この結果は成り立つ。これは、社会的ネットワークにおいて共通の特徴（例：趣味）が他の特徴とは独立に接続を誘発するという動機づけに基づく。
• 周辺確率条件により、Chung-Luグラフのコア的な接続メカニズムが、位置依存性が任意であっても保持される。