[論文レビュー] Large deviation for the empirical degree distribution of an Erdos-Renyi graph

Sumit Mukherjee|arXiv (Cornell University)|Oct 15, 2013

Random Matrices and Applications参考文献 6被引用数 5

ひとこと要約

この論文は、エッジ確率が $\beta/n$ のエロードス・レニーのランダムグラフの経験的次数分布に対して、弱収束よりも強い位相を用いた大偏差原理を確立する。厳密に、幾何的加重次数または交互kスターよりも強い項を含むスパースな指数型ランダムグラフモデル（ERGM）は非退化であることが示され、kスターテンプレートを含むモデルは退化する。これは社会的ネットワークモデリングにおける主要な問題を解決する。

ABSTRACT

With $(d_1,\cdots,d_n)$ denoting the labeled degrees of an Erdos Renyi graph with parameter $\beta/n$, the large deviation principle for $\frac{1}{n}\sum\limits_{j=1}^n\delta_{d_j}$ (the empirical distribution of the degrees) is derived with a good rate function, with respect to a topology stronger than the weak topology. As an application the degeneracy of some sparse ERGM models used in social networks is studied rigorously, showing in particular that using terms such as gwd (geometrically weighted degree) and alternating $k$ stars does not cause degeneracy, whereas using a $k$-star term does.

研究の動機と目的

• スパースなエロードス・レニーのランダムグラフにおける経験的次数分布に対する大偏差原理を確立すること。
• 社会的ネットワーク解析に用いられるスパースな指数型ランダムグラフモデル（ERGM）の退化行動を分析すること。
• スパースな領域におけるモデルの退化を引き起こすERGMの十分統計量を特定すること。
• 一般的なERGM項の安定性を理解するための厳密な数学的基盤を提供すること。

提案手法

• エッジ確率が $\beta/n$ のエロードス・レニーのグラフにおける経験的次数測度 $\frac{1}{n}\sum_{j=1}^n \delta_{d_j}$ に対する大偏差原理を導出する。
• 弱収束よりも強い位相を用いて、良いレート関数を得る。
• 大偏差結果を用いて指数型ランダムグラフモデルの漸近的挙動を研究する。
• 特定の十分統計量—kスターテンプレート、幾何的加重次数（gwd）、および交互kスターテンプレート—がモデルの退化に与える影響を分析する。
• kスターテンプレートを含む・含まないモデルの漸近的挙動を比較し、退化の有無を評価する。
• 大偏差技術を用いて、さまざまなERGM仕様下での次数分布の極限的挙動を厳密に特徴付ける。

実験結果

リサーチクエスチョン

• RQ1 エッジ確率が $\beta/n$ のエロードス・レニーのグラフの経験的次数分布は、強い位相において大偏差原理を満たすか？
• RQ2 ERGMの十分統計量にどのような条件が課されると、スパース領域でモデルが退化するか？
• RQ3 幾何的加重次数（gwd）および交互kスターテンプレートは、スパースなERGMで退化を防ぐか？
• RQ4 kスターテンプレートは、スパースなERGMの退化を引き起こす本質的要因か？
• RQ5 大偏差理論を用いて、ネットワークモデルの安定性を厳密に分析できるか？

主な発見

• エッジ確率が $\beta/n$ のエロードス・レニーのグラフの経験的次数分布は、弱収束よりも強い位相において、良いレート関数を持つ大偏差原理を満たす。
• 大偏差原理は、スパースなランダムグラフの次数分布におけるレアイベントを分析する厳密な枠組みを提供する。
• 幾何的加重次数（gwd）項を含むERGMは、スパース領域でも退化を示さない。
• 交互kスターテンプレートを含むERGMも、スパース設定ですら退化を回避する。
• 対照的に、標準的なkスターテンプレートを含むERGMは、スパース領域で退化するため、不安定性を示す。
• 解析により、kスターテンプレートがスパースネットワークモデルにおける退化の主な原因であることが確認された。