[論文レビュー] Empirical Analysis and Evolving Model of Bipartite Networks

Peng Zhang, Menghui Li+3 more|ArXiv.org|Apr 24, 2008

Complex Network Analysis Techniques参考文献 6被引用数 5

ひとこと要約

本稿では、1つのノード集合（例：俳優）が他方のノード集合（例：映画）との相互作用から生じる依存ネットワーク（dependence networks）のための、preferential attachment を使用しない2つの成長型二部ネットワークモデルを提案する。これらのモデルは俳優ノードにおいてスケールフリーディスクリビューションを生成し、共同執筆および共同作業ネットワークからの実証データと一致する。これにより、スケールフリーモデルが二部系において局所的で非優先的メカニズムによっても生成可能であることが示された。

ABSTRACT

Many real-world networks display a natural bipartite structure. Investigating it based on the original structure is helpful to get deep understanding about the networks. In this paper, some real-world bipartite networks are collected and divided into two types, dependence bipartite networks and independence bipartite networks, according to the different relation of two sets of nodes. By analyzing them, the results show that the actors nodes have scale-free property in the dependence networks, and there is no accordant degree distribution in the independence networks for both two types of nodes. In order to understand the scale-free property of actors in dependence networks, two growing bipartite models without the preferential attachment principle are proposed. The models show the scale-free phenomena in actors' degree distribution. It also gives well qualitatively consistent behavior with the empirical results.

研究の動機と目的

• ノード集合間の関係に基づいて、現実世界の二部ネットワークを依存型と独立型に分類すること。
• 実証データを用いて、これらの2種類のネットワークタイプにおけるノードの次数分布特性を調査すること。
• preferential attachment に依存せずに、俳優ノードにおけるスケールフリー特性を再現する成長型二部ネットワークモデルを開発すること。
• 特に共同執筆および共同作業ネットワークにおいて、実世界のデータと照合してモデルを検証すること。
• 依存ネットワークにおけるスケールフリー行動が、局所的で非優先的メカニズム（例：近隣選択、ランダムウォーク）からも生じうることを示すこと。

提案手法

• 二部ネットワークの2種類のタイプを定義する：依存型（例：俳優-映画、共同執筆）と独立型（例：書籍-読者、P2P）。
• モデル1を提案：各時刻ステップで、n人の著者が関与する新しい論文が追加される。1人の著者は確率λで新規著者として追加され、残りの著者たちはランダムに選ばれたシードからm番目の近隣選択によって選ばれる。
• モデル2を提案：モデル1と同様だが、残りの著者たちはランダムに選ばれた既存の著者からmステップのランダムウォークによって選ばれる。
• ネットワーク成長を制御するパラメータとして、max_n（1論文あたりの最大著者数）、max_m（最大近隣深度）、λ（新規著者出現確率）を用いる。
• 統計的安定性を確保するため、40,000ステップまでシミュレーションを実行し、20回の独立した実現を用いる。
• 著者および論文の次数分布を分析し、累積分布およびパワー則フィットに注目する。

実験結果

リサーチクエスチョン

• RQ1 依存型二部ネットワークでは俳優ノードにスケールフリー次数分布が見られるが、独立型ネットワークではそうではないか？
• RQ2 preferential attachment を使用しない成長型二部ネットワークにおいて、俳優ノードにスケールフリー次数分布が生じるか？
• RQ3 局所的選択ルール（近隣ベース選択とランダムウォーク）がスケールフリー特性の出現にどのように寄与するか？
• RQ4 提案されたモデルが、実際の共同執筆および共同作業ネットワークで観察された実証的次数分布をどの程度再現できるか？
• RQ5 パラメータλ、max_n、max_mが俳優ノードの次数分布に果たす役割は何か？

主な発見

• 実証的分析により、依存型ネットワーク（例：共同執筆、経済物理学、複雑ネットワーク）における俳優ノードがスケールフリー次数分布を示すことが判明した。
• これに対して、独立型ネットワーク（例：書籍-読者、性的関係ネットワーク）では、いずれのノード集合に対しても一貫した次数分布が観察されなかった。
• モデル1（ランダムシードからのm番目の近隣選択）は、実証データと整合する指数が得られる俳優ノードのパワー則次数分布を生成した。
• モデル2（ランダムシードからのmステップランダムウォーク）も、俳優ノードに対してスケールフリー次数分布を生成し、実証観察と一致した。
• 40,000ステップおよび20回の実現によるシミュレーションでは、安定した漸近的次数分布が得られ、収束性と頑健性が確認された。
• 実証データ（Econophysicist, Complex-networks, Cooccurrence, Coauthoring）との比較により、両モデルが俳優次数分布における観察されたスケールフリー行動を定性的に再現していることが確認された。