[論文レビュー] Clustering coefficient without degree correlations biases

Sara Nadiv Soffer, Alexei Vázquez|arXiv (Cornell University)|Sep 26, 2004

Complex Network Analysis Techniques参考文献 2被引用数 14

ひとこと要約

本稿は、標準的なクラスタリング係数の定義が次数相関によってバイアスを受けること、特に高次度の頂点では誤って低値となることを見いだしている。著者らは、これらのバイアスを補正する新しいクラスタリング係数を提案し、実際のネットワークではクラスタリングが次数に反比例するのではなく、一定または対数的に減少することを示している。

ABSTRACT

The clustering coefficient quantifies how well connected are the neighbors of a vertex in a graph. In real networks it decreases with the vertex degree, which has been taken as a signature of the network hierarchical structure. Here we show that this signature of hierarchical structure is a consequence of degree correlation biases in the clustering coefficient definition. We introduce a new definition in which the degree correlation biases are filtered out, and provide evidence that in real networks the clustering coefficient is constant or decays logarithmically with vertex degree.

研究の動機と目的

• 実際のネットワークにおける次数相関が標準クラスタリング係数に系統的なバイアスをもたらすことを特定すること。
• これらの次数相関効果を除去する新しいクラスタリング係数の定義を開発すること。
• 複雑ネットワークにおけるクラスタリングの次数依存変動の解釈を再評価すること。
• クラスタリングが次数とともに減少するという観察が、測定のバイアスによるものであり、ネットワーク構造そのものによるものではないことを示すこと。
• 頂点次数に依存しない真の隣接ノード接続性を反映する、より正確な局所的クラスタリングの測定を提供すること。

提案手法

• 頂点 $i$ の隣接ノードの次数列に基づき、その隣接ノード間で可能な最大エッジ数 $\omega_i$ を用いて、新しいクラスタリング係数 $\tilde{c}_i$ を定義する。
• 隣接ノードの次数に制約を受ける中で、可能な最大接続数を計算するアルゴリズムを用いて $\omega_i$ を算出する。
• 理論的上限として $\Omega_i = \left\lfloor \frac{1}{2} \sum_{\text{neighbors}} \left[ \min(k_i, k_j) - 1 \right] \right\rfloor $ を定義し、$\omega_i$ の上界を表す。
• 比 $\tilde{c}_i = \omega_i / \binom{k_i}{2}$ を新しい局所クラスタリング係数として用い、次数相関バイアスを除去する。
• 実際のネットワーク（例：インターネット、意味ウェブ、タンパク質間相互作用）に新しい定義を適用し、標準的な $c_i$ と結果を比較する。
• 決定的成長グラフモデルを解析的に用いて $\tilde{c}_i$ のスケーリングを導出し、次数に伴う対数的減少を確認する。

実験結果

リサーチクエスチョン

• RQ1 標準クラスタリング係数の定義における次数相関が、頂点次数に伴うクラスタリングの誤った減少をどの程度引き起こすか。
• RQ2 次数相関効果から真の隣接ノード接続性を分離できる新しいクラスタリング係数を定義できるか。
• RQ3 実世界のネットワークにおいて、新しいクラスタリング係数は標準定義と比べてどのように振る舞うか。
• RQ4 実際のネットワークで観察されるクラスタリングと次数の逆比例関係は、実際のネットワーク構造を反映しているのか、それとも測定のバイアスによるものか。
• RQ5 次数相関バイアスを除去した場合、真のクラスタリング係数はどのような関数的形をとるか。

主な発見

• 標準クラスタリング係数 $c_i$ は、次数相関バイアスのため頂点次数に伴い減少するが、これは隣接ノード接続性の真の構造的変化によるものではない。
• 新しいクラスタリング係数 $\tilde{c}_i$ は、多くの実際のネットワークにおいて頂点次数にかかわらずほぼ一定であり、次数に依存しない安定した局所クラスタリングを示している。
• $c_i \sim 1/k$ のネットワークでは、新しい測定値 $\tilde{c}_i$ は $\tilde{c}_i \approx 2 / \log_2 k_i$ として対数的に減少し、決定的モデルと整合的である。
• 同調的（アッソートラティブ）なネットワークでは、頂点が類似した次数を持つため、新しい係数と古い係数は類似しており、バイアスが非同調的（ディアッソートラティブ）なネットワークで最も顕著であることが確認された。
• インターネットと意味ウェブでは、次数分布と相関関係だけでは予測できないほど高いクラスタリングを示しており、$\langle \tilde{c} \rangle_k$ はネットワーク成長にもかかわらず時間経過でほぼ一定のままである。
• 決定的モデルにより、$c_i \sim 1/k_i$ の場合に $\tilde{c}_i \sim 1/\log k_i$ となることが解析的に確認され、新しい測定値の理論的整合性が裏付けられた。