[論文レビュー] Metric tree-like structures in real-life networks: an empirical study

Muad Abu‐Ata, Feodor F. Dragan|arXiv (Cornell University)|Feb 14, 2014

Complex Network Analysis Techniques参考文献 40被引用数 5

ひとこと要約

本稿は、社会的・生物学的グラフからインターネットトポロジーに至るまでの多様な現実世界のネットワークが、ハイパボリシティ、ツリー歪度、クラスタ径などの相互に関連する複数のパラメータによって定量化されるメトリック的ツリー構造を示す実証的証拠を提供する。著者らは、これらのネットワークが効率的にツリーによって近似可能であり、距離の圧縮符号化や高速な径路・半径推定が可能であることを示している。大多数のネットワークが小さなハイパボリシティと低い歪度を示しており、強いメトリック的ツリー構造に類似していることが示唆される。

ABSTRACT

Based on solid theoretical foundations, we present strong evidences that a number of real-life networks, taken from different domains like Internet measurements, biological data, web graphs, social and collaboration networks, exhibit tree-like structures from a metric point of view. We investigate few graph parameters, namely, the tree-distortion and the tree-stretch, the tree-length and the tree-breadth, the Gromov's hyperbolicity, the cluster-diameter and the cluster-radius in a layering partition of a graph, which capture and quantify this phenomenon of being metrically close to a tree. By bringing all those parameters together, we not only provide efficient means for detecting such metric tree-like structures in large-scale networks but also show how such structures can be used, for example, to efficiently and compactly encode approximate distance and almost shortest path information and to fast and accurately estimate diameters and radii of those networks. Estimating the diameter and the radius of a graph or distances between its arbitrary vertices are fundamental primitives in many data and graph mining algorithms.

研究の動機と目的

• 異なる分野にまたがる現実世界のネットワークが、幾何学的観点からメトリック的ツリー構造を示すかどうかを調査すること。
• ハイパボリシティ、ツリー歪度、ツリー長さ、レイヤー化分割におけるクラスタ径などの、メトリック的ツリー類似度を定量化する複数のグラフパラメータを評価・比較すること。
• メトリック的ツリー類似度のアルゴリズム的利点、例えば効率的な近似距離ラベル付けや高速な径路・半径推定を示すこと。
• あるメトリックパラメータの小さな値が、関連するすべてのパラメータにおいて小さな値を示すことを確立し、ツリー類似度の堅牢な検出を可能にすること。
• メトリックパラメータと局所的特徴（次数分布やクラスタリング係数など）に基づく統合的枠組みを提示し、ネットワークを分類すること。

提案手法

• 著者らは、16個の公開済みの現実世界のネットワークに対して、Gromovのハイパボリシティ δ(G)、ツリー歪度、ツリー長さ、ツリー幅、クラスタ径 Δs(G)、クラスタ半径 Rs(G) といった複数のメトリックパラメータを計算した。
• グラフのレイヤー化分割を用いてクラスタ径とクラスタ半径を定義し、階層的分解におけるクラスタの最大および平均径を測定した。
• 効率的なアルゴリズムを用いてツリー歪度とツリーストレッチを推定し、グラフがどの程度歪度制限付きでツリーに埋め込めるかを定量化した。
• パラメータ間の対比較を散布図と相関分析を用いて行い、メトリック間の一貫性を評価した。
• 異なるツリー埋め込み（H、Hℓ、H′ℓ）の性能を比較し、平均歪度を評価することでツリーへの埋め込み可能性を分析した。
• 解析は非重み付きかつ無向グラフを対象とし、結果は表10に集約され、図7および図8に可視化された。

実験結果

リサーチクエスチョン

• RQ1 多様な分野にまたがる現実世界のネットワークは、ハイパボリシティや関連パラメータの低値によって示されるように、メトリック的にツリーに類似しているか？
• RQ2 ハイパボリシティ、ツリー歪度、クラスタ径などのさまざまなメトリック的ツリー類似度パラメータは、異なるネットワークタイプ間でどのように相関しているか？
• RQ3 あるメトリックパラメータ（例：ハイパボリシティ）の小さな値が、他のパラメータにおいても小さな値を示す程度はどの程度か。これは、ツリー類似度の統一的概念を示唆するか？
• RQ4 メトリック的ツリー類似度は、大規模ネットワークにおける効率的かつコンパクトな近似距離および経路符号化を可能にするか？
• RQ5 次数分布やクラスタリング係数といった局所的ネットワーク特徴は、グローバルなメトリック的性質とどのように相互作用し、ネットワーク構造を説明するか？

主な発見

• エルドシュ共同研究ネットワークは、全テスト対象ネットワークの中で最小のハイパボリシティ（δ(G) = 2）と最小の平均歪度（1.04630）を示し、強いメトリック的ツリー類似度を示している。
• PPIネットワークは径路が大きく（19）、半径も大きい（11）が、依然として低いハイパボリシティ（3.5）と低い平均歪度（1.38471）を示しており、大規模であるにもかかわらず、本質的にツリーに類似したメトリック的構造を有していることが示唆される。
• アマゾンネットワークは最大のクラスタ径（21）とハイパボリシティ（0.489）を示しているが、依然として相対的に低い平均歪度（2.47109）を示しており、大きなクラスタでもツリーに類似したメトリック的性質を維持できることを示している。
• RouteviewおよびAS_Caida_20071105ネットワークは、同一のクラスタ径（6）とクラスタ半径（3）を示すが、AS_Caida_20071105はより低い平均クラスタ径（4.283）とより優れた平均歪度（1.22959）を示しており、ツリーへの埋め込み性が優れていることが示唆される。
• DBLB共同研究ネットワークは、最大のハイパボリシティ（0.4535）と平均歪度（2.47109）を示しているが、依然として小さなツリー長さと低いクラスタ径を維持しており、部分的なメトリック的ツリー類似度を示している。
• 全データセットにおいて、パラメータ同士が強く相関している：あるメトリック（例：ハイパボリシティ）の値が小さいと、他のパラメータ（例：平均歪度）の値も一貫して小さくなる。これは、メトリック的ツリー類似度の統一的概念を支持する。