[論文レビュー] Mixing patterns in networks: Empirical results and models

M. E. J. Newman|arXiv (Cornell University)|Sep 19, 2002

Complex Network Analysis Techniques被引用数 5

ひとこと要約

本稿では、離散的（例：人種、言語）およびスカラー的（例：年齢、次数）頂点特性に基づくネットワークにおける assortative mixing のための測定法を提案し、実世界のネットワークに適用することで、assortative mixing が広範に広がっていることを示している。また、ネットワークの接続性およびレジリエンスに及ぼす assortativity の影響を調査するための解析的およびモンテカルロモデルを導入し、特に次数に基づく混合において、強い依存関係が assortativity のレベルに依存していることが明らかになった。

ABSTRACT

We study assortative mixing in networks, the tendency for vertices in networks to be connected to other vertices that are like (or unlike) them in some way. We consider mixing according to discrete characteristics such as language or race in social networks and scalar characteristics such as age. As a special example of the latter we consider mixing according to vertex degree, i.e., according to the number of connections vertices have to other vertices: do gregarious people tend to associate with other gregarious people? We propose a number of measures of assortative mixing appropriate to the various mixing types, and apply them to a variety of real-world networks, showing that assortative mixing is a pervasive phenomenon found in many networks. We also propose several models of assortatively mixed networks, both analytic ones based on generating function methods, and numerical ones based on Monte Carlo graph generation techniques. We use these models to probe the properties of networks as their level of assortativity is varied. In the particular case of mixing by degree, we find strong variation with assortativity in the connectivity of the network and in the resilience of the network to the removal of vertices.

研究の動機と目的

• 離散的およびスカラー的属性を含む、異なる種類の頂点特性における assortative mixing の定量的測定法の開発。
• 実世界のネットワークを分析し、assortative mixing の広範な存在を実証的に示すこと。
• 解析的生成関数法と数値的モンテカルロ技術の両方を用いて、assortatively mixed ネットワークをモデル化すること。
• assortativity のレベルを変化させることで、接続性やノード削除に対するレジリエンスといった重要なネットワーク特性に与える影響を調査すること。

提案手法

• 離散的特性（例：人種、言語）およびスカラー的特性（例：年齢、次数）に特化した測定法を提案し、assortative mixing を定量化する。
• 異なる assortativity の仮定の下でネットワーク構造を解析的にモデル化するために生成関数法を適用する。
• さまざまな assortativity の程度におけるネットワーク行動をシミュレート・探索するためにモンテカルログラフ生成技術を用いる。
• 特に、高次ノード同士がどのように相互作用するかをモデル化するために、次数ベースの assortativity に焦点を当てる。
• モデルを用いて、assortativity のレベルに応じたネットワークのレジリエンスおよび接続性を調査する。
• 実世界のネットワークデータセットに測定法を適用することで、混合パターンの実証的パターンを観察し、結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 実世界のネットワークにおいて、頂点特性の種別にかかわらず、どの程度 assortative mixing が観察されるか？
• RQ2 頂点次数による assortative mixing は、ネットワークの接続性およびレジリエンスにどのように影響するか？
• RQ3 ネットワークの構造的特性を正確にモデル化するための解析的および数値的手法は何か？
• RQ4 巨大成分のサイズやノード削除に対する脆弱性といったネットワーク特性は、assortativity の増加に伴いどのように変化するか？
• RQ5 生成モデルは、観察された混合パターンを再現でき、assortativity のレベルを変化させた場合のネットワーク行動を予測できるか？

主な発見

• assortative mixing は、社会的および技術的システムを含む幅広い実世界のネットワークで広く観察される顕著な現象である。
• 特に次数に基づく混合において、ネットワークの接続性およびレジリエンスは assortativity のレベルに強く依存している。
• 次数ベースの assortativity は、標的的なノード削除に対するネットワークのレジリエンスに顕著な影響を及ぼし、高い assortativity は一部の状況でより高い脆弱性を引き起こす。
• 生成関数に基づく解析的モデルは、assortatively mixed ネットワークの構造的挙動をうまく捉えている。
• モンテカルロシミュレーションにより、assortativity の増加が巨大連結成分のサイズおよび安定性に影響を与えることが確認された。
• 提案された測定法は、離散的およびスカラー的特性の両方において混合パターンを効果的に定量化でき、多様なネットワークタイプ間での系統的な比較を可能にした。