[論文レビュー] Measuring the local topology of networks: an extended clustering coefficient

Alexandre Hannud Abdo, Alessandro P. S. de Moura|arXiv (Cornell University)|May 26, 2006

Complex Network Analysis Techniques被引用数 2

ひとこと要約

本稿では、従来のクラスタリング係数の限界を克服するために、局所的ネットワークトポロジーの拡張された測定指標としてクラスタリングプロファイルを導入する。これは複数スケールでのクラスタリングを捉えることで、ネットワーク構造のより深い分析を可能にし、特にスモールワールド性の同定や、より正確な精度でネットワーク成長モデルの制約を課すのに有効である。

ABSTRACT

Clustering is a central concept in network theory. Nevertheless, its usual formulation as the clustering coefficient has serious limitations. We review the issue, pointing out well studied networks where the coefficient is insufficient in the task of describing their local topology. Motivated by this, we present an extension, the clustering profile, following with three applications that illustrate the relevance of this more complete and robust measure of clustering. It gives us a fresh perspective of networks that have been extensively studied, shedding new light on the small-world effect and providing means to compare different mechanisms of cluster formation. We stress its use to better differentiate and understand network growth processes, in particular to provide stringent constraints on theoretical growth models.

研究の動機と目的

• 複雑なネットワークトポロジーを記述する際、標準クラスタリング係数の限界を解消すること。
• 複数スケールでの局所的構造を捉える、より包括的なクラスタリング測定指標の開発。
• さまざまなネットワーク成長メカニズムの区別と理解を可能にするツールの提供。
• より洗練されたトポロジカル特徴付けを通じて、理論的ネットワーク成長モデルに対する厳密な制約を提供すること。

提案手法

• クラスタリング係数の拡張としてクラスタリングプロファイルを提案し、さまざまな近隣半径でのクラスタリングを測定する。
• プロファイルを用いて、局所的から広範囲の近隣にわたるネットワークにおけるクラスタリングを分析する。
• 実世界およびモデルネットワークにクラスタリングプロファイルを適用し、構造的性質を比較する。
• プロファイルを用いて、成長するネットワークにおけるクラスタ形成メカニズムの評価と差別化を行う。
• プロファイルを用いて、マルチスケールクラスタリングの観点からスモールワールド効果を再表現・再解釈する。

実験結果

リサーチクエスチョン

• RQ1 標準クラスタリング係数は、実世界のネットワークにおける局所的ネットワークトポロジーの完全な複雑性をどのように捉え損なっているか？
• RQ2 クラスタリングプロファイルは、従来のクラスタリング係数が不十分であるとされる構造的特徴をどの程度明らかにできるか？
• RQ3 クラスタリングプロファイルは、さまざまなネットワーク成長メカニズムをどのように区別するのを助けるか？
• RQ4 クラスタリングプロファイルは、スモールワールド効果の理解をどのようないくつかの面で向上させるか？

主な発見

• 標準クラスタリング係数よりも、クラスタリングプロファイルは局所的ネットワークトポロジーのより包括的かつ堅牢な特徴付けを可能にする。
• 従来の係数が不十分であるとされる、よく研究されたネットワークにおいても、プロファイルは構造的な微細な差異を明らかにする。
• マルチスケールクラスタリングパターンを通じて、競合するネットワーク成長モデルの明確な差別化が可能になる。
• 複数スケールにわたるクラスタリングの分析を通じて、クラスタリングプロファイルはスモールワールド効果に関する新たな洞察を提供する。