[論文レビュー] Generalized Network Growth: from Microscopic Strategies to the Real Internet Properties

Guido Caldarelli, Paolo De Los Rios+1 more|arXiv (Cornell University)|Jul 24, 2003

Complex Network Analysis Techniques参考文献 1被引用数 5

ひとこと要約

本稿では、自律システム（AS）レベルにおける実際のインターネットのスケール上位のトポロジー的性質を再現できる一般化されたネットワーク成長モデルを提案する。このモデルは、新規頂点と新規エッジ生成の割合を調整可能なパラメータpで制御する微視的エージェント戦略を統合している。p = 0.5–1.0の範囲で、パワーロー法則に従う次数分布、クラスタリング、次数相関、および媒介性分布を良好に再現しており、再結合とエッジ追加が現実的なネットワーク構造を形成する上で重要であることが示された。

ABSTRACT

In this paper we present a generalized model for network growth that links the microscopical agent strategies with the large scale behavior. This model is intended to reproduce the largest number of features of the Internet network at the Autonomous System (AS) level. Our model of network grows by adding both new vertices and new edges between old vertices. In the latter case a ``rewarding attachment'' takes place mimicking the disassortative mixing between small routers to larger ones. We find a good agreement between experimental data and the model for the degree distribution, the betweenness distribution, the clustering coefficient and the correlation functions for the degrees.

研究の動機と目的

• 実際のインターネットのASレベルにおける次数分布に加え、高次元のトポロジカル特徴まで再現できるネットワーク成長モデルの開発。
• 新規ノード追加と既存リンクの再結合のバランスという微視的エージェント行動が、大規模ネットワーク特徴に与える影響の調査。
• 実際のネットワーク（例：インターネット）における非自明なクラスタリング、非一様混合（非一様相関）およびパワーロー法則に従う中心性分布といった複雑な特徴の出現を説明すること。
• 従来のモデル（例：Barabási-Albert）が達成できない、実ASネットワークで観測される統計的性質の全セットを捉える定量的モデルの提供。

提案手法

• モデルは、頂点を率pで追加し、既存頂点間でエッジを率1−pで追加することでネットワークを成長させる。ノードとエッジの追加割合を制御する調整可能なパラメータpを導入する。
• 新規エッジは「報酬付付加」により形成され、次数が高いノードに優遇される。これは、ネットワーク形成における現実の優先的付加を模倣する。
• 定常状態仮定を用いて、次数分布指数γ(p) = 2 + p/(2−p)を解析的に導出し、シミュレーション結果と一致させた。
• 主要なネットワーク特性である次数分布P(k)、クラスタリング係数c(k)、近隣次数<knn(k)>、および媒介性bを計算し、実ASデータと比較した。
• モデルは優先的付加と確率的再結合を併用しており、調整可能な構造的相関を持つスケールフリーネットワークを生成可能である。
• 数値シミュレーションを用いて解析的予測を検証し、さまざまなp値における実ASネットワーク統計の再現能力を評価した。

実験結果

リサーチクエスチョン

• RQ1 新規頂点生成と新規エッジ生成の比率（パラメータpで制御）が、スケールフリーかつ相関を持つネットワーク構造の出現に与える影響は何か？
• RQ2 統一的モデルが、次数分布、クラスタリング、および中心性分布といった、実インターネットASネットワークの複数のトポロジカル特徴を再現可能か？
• RQ3 既存リンクの再結合が、非一様混合や非自明なクラスタリングといった現実的ネットワーク特徴の生成に果たす役割は何か？
• RQ4 標準的な優先的付加モデルが、実ASネットワークで観測されるトポロジカル特徴の全セットを再現できない理由は何か？

主な発見

• モデルは、指数γ(p) = 2 + p/(2−p)を有するパワーロー法則次数分布P(k) ∝ k^−γを生成し、シミュレーションと一致。p=1（Barabási-Albert極限）ではγ=3に回帰する。
• p=1.0の場合、木構造の特徴を示しクラスタリングはゼロとなるが、p<1.0ではクラスタリングが増加し、c(k) ∝ k^−φが観測され、非自明な局所的構造が示唆される。
• 平均近隣次数<knn(k)>は、p<1の範囲でパワーロー法則<knn(k)> ∝ k^−τに従い、非一様混合（非一様相関）を示す。p=1ではこの傾向が消失する。
• 媒介性分布P(b) ∝ b^−ηは、p=1.0ではη≈2.0、p<1.0ではη≈2.2のパワーロー法則に従い、実測データおよびGohの報告と一致する。
• モデルはスモールワールド効果を再現しており、距離分布に特徴的なピークを示し、近接性中心性は指数関数的に減衰する。
• 実ASネットワークデータとの一致度が最も高くなるのはp≈0.5–1.0の範囲であり、既存ルータの大幅な再結合が現実的なネットワークトポロジーを形成するために不可欠であることが示唆される。