[論文レビュー] Fast generation of dynamic complex networks with underlying hyperbolic geometry.

Moritz von Looz, Christian Staudt+2 more|arXiv (Cornell University)|Jan 15, 2015

Complex Network Analysis Techniques参考文献 22被引用数 8

ひとこと要約

本稿では、双曲幾何を用いて大規模な動的複雑ネットワークを生成するためのサブクアドラティック時間アルゴリズムを提示する。新規の極座標クアッドツリーを活用することで、ペアワイズ距離計算を削減する。この手法は $O((n^{3/2}+m) /log n)$ の時間計算量を達成し、数十億のエッジを持つネットワークを1時間未塔で生成する。また、べき乗則に従う次数分布、高いクラスタリング係数、低径路長といった現実的特徴を保持する。

ABSTRACT

Complex networks have become increasingly popular for modeling real-world phenomena, ranging from web hyperlinks to interactions between people. Realistic generative network models are important in this context as they avoid privacy concerns of real data and simplify complex network research regarding data sharing, reproducibility, and scalability studies. We study a geometric model creating unit-disk graphs in hyperbolic space. Previous work provided empirical and theoretical evidence that this model creates networks with a hierarchical structure and other realistic features. However, the investigated networks were small, possibly due to a quadratic running time of a straightforward implementation. % We provide a faster generator for a representative subset of these networks. Our experiments indicate a time complexity of $O((n^{3/2}+m) \log n)$ for our implementation and thus confirm our theoretical considerations. To our knowledge our implementation is the first one with subquadratic running time. The acceleration stems primarily from the reduction of pairwise distance computations through a polar quadtree newly adapted to hyperbolic space. We also extend the generator to an alternative dynamic model which preserves graph properties in expectation. Finally, we generate and evaluate the largest networks of this model published so far. Our implementation computes networks with billions of edges in less than an hour. A comprehensive network analysis shows that important features of complex networks, such as a low diameter, power-law degree distribution and a high clustering coefficient, are retained over different graph sizes and densities.

研究の動機と目的

• 既存の幾何的ネットワーク生成手法が直交的時間計算量を抱えるというスケーラビリティの限界を解消すること。
• 研究の再現性、スケーラビリティ、データ共有を目的として、数十億のエッジを持つ大規模で現実的な複雑ネットワークの生成を可能にすること。
• 時間経過に伴って主要なネットワーク特性を期待値として維持する動的ネットワークモデルの開発。
• 双曲ユニットディスクグラフに対して、サブクアドラティック実行時間を持つ初の実装を提供すること。
• さまざまなサイズと密度において、現実的特徴が保持されていることを実験的に検証すること。

提案手法

• 著者らは、空間インデキシングを効率的に行い、ペアワイズ距離計算を削減するため、双曲空間に適合させた極座標クアッドツリーというデータ構造を導入する。
• 生成器は双曲幾何を用いてユニットディスクグラフを生成し、ノードを双曲空間に配置し、固定半径内にあれば接続する。
• 極座標クアッドツリーは双曲空間を角度的および半径的セクターに分割し、隣接ノードの照会を対数時間で行えるようにし、グラフ構築を高速化する。
• 動的拡張が導入され、ノードおよびエッジのインクリメンタルな更新が可能になり、次数分布やクラスタリング係数といった期待されるグラフ特性を維持する。
• アルゴリズムの時間計算量は理論的に分析され、実験的に $O((n^{3/2}+m) /log n)$ として確認され、サブクアドラティック性能が裏付けられる。
• 実装は最大数十億のエッジを持つネットワークに対して評価され、包括的な構造的分析を通じて現実性の確認がなされた。

実験結果

リサーチクエスチョン

• RQ1 双曲ネットワーク生成器は、数十億のエッジにスケーリングするためのサブクアドラティック時間計算量を達成できるか？
• RQ2 極座標クアッドツリーは、双曲空間における距離計算のオーバーヘッドをどれほど効果的に低減できるか？
• RQ3 動的モデルは、べき乗則に従う次数分布や高いクラスタリング係数といった主要なネットワーク特性を期待値として維持できるか？
• RQ4 低径路長や高いクラスタリング係数といった現実的特徴は、さまざまなネットワークサイズや密度においても維持されるか？
• RQ5 提案された生成器は、実用的な実行時間で、これまでにない規模のこのモデルのネットワークを生成できるか？

主な発見

• 提案された生成器は $O((n^{3/2}+m) /log n)$ の時間計算量を達成し、サブクアドラティック性能を確認した。これは、このモデルにおける初の実装である。
• 極座標クアッドツリーは、双曲空間における効率的な空間インデキシングを可能にし、ペアワイズ距離計算の回数を顕著に削減した。
• 生成器は、数十億のエッジを持つネットワークを1時間未塔で生成でき、このモデルにおける新たなスケールベンチマークを設定した。
• すべてのテストサイズおよび密度において、現実的特徴であるべき乗則に従う次数分布、高いクラスタリング係数、低径路長が保持された。
• 動的モデルは、時間経過に伴って構造的性質の期待値を効果的に維持でき、進化するネットワークのスケーラブルなシミュレーションを可能にした。
• 実験的評価により、極めて大きなスケールでもモデルが現実的なトポロジカル特徴を保持していることが確認され、大規模ネットワーク研究における応用が有効であることが示された。