[論文レビュー] Modern architecture of random graphs: Constructions and correlations

S. N. Dorogovt︠s︡ev, J. F. F. Mendes+1 more|arXiv (Cornell University)|Jun 24, 2002

Complex Network Analysis Techniques参考文献 1被引用数 7

ひとこと要約

本稿では、平衡および非平衡ダイナミクスを用いて、所望の次数-次数相関およびクラスタリングを有するランダムネットワークを体系的に構築するフレームワークを提示する。対の好み関数 f(k,k') を導入し、結合次数分布の制御を可能にするとともに、確率的エッジ変換を用いて調整可能なクラスタリングを有する成長スケールフリー・ネットワークの構築法を示し、複雑ネットワーク構造の解析的取り扱いを可能にする。

ABSTRACT

1. Basic constructions. 2. Equilibrium and nonequilibrium networks. 3. Equilibrium uncorrelated networks. 4. Nonequilibrium nongrowing scale-free nets. 5. Types of correlations. 6. When pair correlations are important. 7. When loops are important. 8. Pair degree-degree correlations in growing networks. 9. How to construct an equilibrium net with given degree-degree correlations. 10. How to construct a growing scale-free net with a given clustering (towards a real-space renormalization group for networks).

研究の動機と目的

• 所望の次数-次数相関を有する平衡ランダムネットワークを一般化して構築するための手法を開発すること。
• 無相関モデルにとどまらず、クラスタリングや次数相関といった現実的相関を含むネットワーク構築を拡張すること。
• 調整可能なクラスタリングを有する成長スケールフリー・ネットワークを、動的かつ解析的に取り扱えるアプローチで生成すること。
• ネットワーク成長プロセスと統計物理学における実空間レノルマル化群技法との間の接続を確立すること。
• エラーズ–レニー、設定モデル、スモールワールド、バラバシ–アルバートなどのさまざまなネットワークモデルを、相関制御に基づく共通の構築フレームワークに統合すること。

提案手法

• 与えられた次数分布 P(k) に対して、配置モデルを用いて次数制約下での最大のランダム性を保証する平衡ランダムネットワークを生成する。
• 次数 k と k' を有する頂点間の接続確率を決定する対の好み関数 f(k,k') を導入し、次数-次数相関の制御を可能にする。
• 各時刻ステップで f(k,k') に基づいてエッジを再接続する動的構築法を採用し、長時間限界で定常な結合次数分布 P(k,k') を得る。
• 各エッジを確率 p でサブグラフに置き換える確率的エッジ変換を適用し、熱力学的極限において有限のクラスタリングを有する成長スケールフリー・ネットワークを生成する。
• 変換ルールを用いて実空間レノルマル化群手順を模倣し、ネットワーク構造および相関効果の解析的取り扱いを可能にする。
• 得られるネットワークが局所的に木構造的であり、ループ密度が低い一方で、制御された再接続およびエッジ置換によりグローバルなクラスタリングを許容するようにする。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、所望の結合次数-次数分布 P(k,k') を有する平衡ランダムネットワークを構築できるか？
• RQ2 非平衡で成長するネットワークにおいて、どのような動的プロセスが定常な次数-次数相関構造を生じさせるか？
• RQ3 成長スケールフリー・ネットワークに、スケールフリーネスを保ちつつ、体系的にクラスタリングを導入する方法は何か？
• RQ4 対の好み関数 f(k,k') は、ランダムネットワークの相関構造をどのように規定するか？
• RQ5 確率的エッジ置換プロセスを用いて、実空間レノルマル化群変換に類似した解析的取り扱いが可能なモデルを構築できるか？

主な発見

• エッジを結合次数分布 P(k,k') に従ってサンプリングし、次数固有のエッジ端を用いて頂点を構築することで、任意の次数-次数相関を有する平衡ランダムネットワークを構築可能である。
• 動的モデルにおける定常な結合次数分布 P(k,k') は、対の好み関数 f(k,k') によって決定され、ネットワーク相関の正確な制御が可能になる。
• 確率 p ≠ 0 で確率的エッジ置換を用いて構築された成長ネットワークは、p → 0 に近づいても熱力学的極限において有限のクラスタリングを示す。
• 特定のエッジ置換ルールにおいて p → 0 の極限でバラバシ–アルバートモデルが回復され、既知のスケールフリーネットワークモデルと整合性を示す。
• エッジ置換に用いられる変換ルールは、平均パス長が ln N に比例する小世界性を維持し、フラクタル構造を避ける。
• 本フレームワークにより、複雑ネットワーク構造の解析的取り扱いが可能となり、ネットワーク成長と統計物理学における実空間レノルマル化群技法との直接的な関連が確立される。