[論文レビュー] Clustering means geometry in networks

Dmitri Krioukov|arXiv (Cornell University)|Mar 18, 2016

Complex Network Analysis Techniques被引用数 5

ひとこと要約

この論文は、すべてのノードで固定された期待次数と均一なクラスタリングを持つランダムネットワークが、クラスタリングが十分に強い場合には実数直線上のランダム幾何グラフと同値であることを示している。主な結果は、高くて一様に分布する三角形の数え上げが、ネットワークにおける潜在的幾何構造の決定的兆候であるということであり、これは潜在的空間ネットワークモデルにおける信頼性の高いモデル検証と推論を可能にする。

ABSTRACT

Latent-space network models have been used successfully in many applications in network science and other disciplines, yet the probability distributions in the random graph ensembles that these models define tend to be highly intractable. Therefore it is usually impossible to tell if a given real network is a typical element in a graph ensemble defined by a given model, so that the model can be used for reliable predictions. It is thus desirable to identify structural properties of networks such that random graphs having these properties are guaranteed to be latent-geometric, that is, to be typical elements in a latent-space ensemble. Here we show that random graphs in which expected degrees and clustering of every node are fixed to the same values, are equivalent to random geometric graphs on the real line if clustering is sufficiently strong. Large numbers of triangles, homogeneously distributed across all nodes as in real networks, are thus a signature of their latent geometry. The methods we use to prove this are quite general and applicable to other network ensembles, geometric or not, and to certain problems in quantum gravity.

研究の動機と目的

• ランダムな潜在的空間グラフ集合の典型的な実現であることを保証するネットワーク構造的性質を同定すること。
• 潜在的空間ネットワークモデルにおける確率分布の計算不能性という課題に取り組み、モデルの検証と予測を困難にしている要因を克服すること。
• ノード間で均一なクラスタリングが、ランダムネットワークにおける潜在的幾何構造の十分条件であることを確立すること。
• 幾何ネットワークにとどまらず、量子重力などの問題にも応用可能な一般化可能な枠組みを提供すること。

提案手法

• 著者たちは、各ノードの期待次数とクラスタリング係数を観測値に固定したランダムグラフ集合を分析する。
• 強いクラスタリングのもとで、このような集合が実数直線上のランダム幾何グラフに収束することを証明する。
• 証明は、潜在的幾何構造の代理として、三角形の分布とそのノード間の一様性を分析することに依拠する。
• 確率的および組合せ的議論を用いて、固定次数・固定クラスタリングの集合と幾何的ランダムグラフとの間の同値性を示す。
• このアプローチは一般性に富み、他のネットワーク集合や非幾何的設定へも拡張可能である。
• 三角形分布の対称性と一様性を活用して、背後に隠された幾何的埋め込みを推論する。

実験結果

リサーチクエスチョン

• RQ1 固定された期待次数とクラスタリングを持つネットワークが、どのような条件下で潜在的幾何構造を示すか？
• RQ2 ノード間で均一に分布する三角形の数え上げが、ランダムネットワークにおける潜在的幾何構造の十分な指標として機能できるか？
• RQ3 固定クラスタリングの集合と実数直線上の幾何的ランダムグラフとの同値性が、数学的にどのように成立するか？
• RQ4 どのような構造的性質が、ネットワークが潜在的空間グラフ集合の典型的な要素であることを保証するか？
• RQ5 この枠組みは、非幾何的ネットワーク集合や量子重力などの他の分野へどの程度一般化可能か？

主な発見

• クラスタリングが十分に強い場合、すべてのノードで固定された期待次数と均一なクラスタリングを持つランダムネットワークは、数学的に実数直線上のランダム幾何グラフと同値である。
• ノード間で高くて一様に分布する三角形の数え上げは、ネットワークにおける潜在的幾何構造の決定的兆候である。
• 一般条件のもとで同値性が成立するため、厳密に幾何的モデルに限らない広範なクラスのネットワーク集合へ応用可能である。
• この方法により、幾何的集合との構造的一致性をチェックすることで、潜在的空間モデルの検証が可能になる。
• この枠組みは一般性に富んでおり、量子重力や他の複雑系の問題へも拡張可能である。