[論文レビュー] Clustering as a measure of the local topology of networks

Alexandre Hannud Abdo, Alessandro P. S. de Moura|ArXiv.org|May 26, 2006

Complex Network Analysis Techniques参考文献 2被引用数 7

ひとこと要約

本稿では、与えられた頂点からの距離が増加する際の隣接ノード対の割合を測定することで、局所的ネットワーク構造を定量化する、伝統的なクラスタリング係数の多次元拡張版であるクラスタリングプロファイルを導入する。実際のネットワーク、例えば代謝ネットワークやWorld Wide Web（WWW）において、高次のノードが異なるクラスタリング減衰パターン（指数関数的 vs. べき乗則的）を示すことが明らかとなり、構造的差異が露呈され、ネットワーク成長モデルの制約が明らかになる。

ABSTRACT

Usual formulations of the clustering coefficient can be shown to be insufficient in the task of describing the local topology of very simple networks. Motivated by this, we review some alternatives in order to present an extension, the clustering profile. We show, both conceptually and through applications to well studied networks, that this measure is a more complete and robust measure of clustering. It imposes stringent constraints on theoretical growth models, specially on aspects of the network structure that play a central role in dynamics on networks. In addition, we study how it provides a richer perspective of phenomena such as hierarchy, small-worlds and clusterization.

研究の動機と目的

• 局所的ネットワーク構造の微細な側面を捉えるのに不十分な標準クラスタリング係数の限界を解消すること。
• 格子構造や二部グラフのようなネットワークにおける、従来のクラスタリング測度の局所的トポロジーへの感受性の低さを克服すること。
• 異なるネットワークタイプに一貫して適用可能な、より包括的かつ強固な局所的トポロジーの測定法を構築すること。
• 局所的組織の構造的制約を明らかにすることで、ネットワーク成長モデルの評価と改善を可能にするフレームワークを提供すること。
• 特に高次ノードにおいて、クラスタリング行動が頂点の次数やネットワークタイプにどのように変化するかを調査すること。

提案手法

• 距離dにおける隣接ノード対の割合として、高次クラスタリング係数を定義する。ただし、中心ノードを通る経路は除外する。
• 各頂点vについて距離dの関数としてクラスタリングプロファイルC^d(v)を構築し、マルチスケールな局所的接続性を捉える。
• 次数に応じて頂点ごとのクラスタリングプロファイルを集約し、次数依存のクラスタリング行動を分析する。
• 実世界のネットワーク上で高次クラスタリング係数を効率的に計算するために、graph-toolソフトウェアを用いる。
• データを再ビニングおよび対数再ビニングすることで、距離にわたるクラスタリング減衰の安定的かつ解釈可能な可視化を生成する。
• 代謝ネットワークとWWWにおける高次ノードのクラスタリング減衰パターン（指数関数的 vs. べき乗則的）を比較する。

実験結果

リサーチクエスチョン

• RQ1 なぜ従来のクラスタリング係数は、正方形格子と単一のサイクルといった構造的に異なるネットワークを区別できないのか？
• RQ2 クラスタリングを一次測度を超えて一般化することで、より豊かな局所的トポロジカル特徴を捉えるにはどうすればよいか？
• RQ3 実際のネットワークにおいて、複数の距離順序にわたるクラスタリング減衰を分析することで、どのような構造的差異が浮き彫りになるか？
• RQ4 クラスタリングプロファイルは、コミュニティ構造や優先的接続を含むネットワーク成長モデルの設計に、どのように制約をもたらすか？
• RQ5 なぜWWWと代謝ネットワークにおける高次ノードでは、クラスタリング減衰行動が異なる（べき乗則的 vs. 指数関数的）のか？

主な発見

• クラスタリングプロファイルにより、代謝ネットワークでは高次ノードにおいて指数関数的クラスタリング減衰が、WWWではべき乗則的減衰が見られることが明らかとなり、最も接続の強い頂点において構造的転換が生じていることが示唆される。
• 中程度の次数のノードでは、代謝ネットワークとWWWの両方で距離の増加に伴いクラスタリング係数の指数関数的減衰が見られ、中間スケールで共通の局所的組織が存在することを示唆している。
• 代謝ネットワークにおける一次および二次クラスタリングは、外挿による予測よりも一貫して低く抑えられており、経路の混雑を避けるための選択的圧力が関与している可能性がある。
• WWWでは、高次ノードにおいては一次クラスタリングのみが抑制されていることから、初期段階のクラスタリングに強く影響を与える次数依存の動的ルールが存在することが示唆される。
• 特に高次ノードにおいて、標準クラスタリング係数よりも、クラスタリングプロファイルがより強固で包括的な局所的トポロジーの特徴付けを可能にする。
• クラスタリング減衰パターンの逸脱を明らかにすることで、優先的接続やコミュニティ形成に依存するネットワーク成長モデルに隠れた構造的制約が露呈される。