[論文レビュー] Networks with desired correlations

S. N. Dorogovt︠s︡ev|arXiv (Cornell University)|Aug 17, 2003

Stochastic processes and statistical mechanics被引用数 4

ひとこと要約

本稿では、ノードに重みを割り当て、それらの重みに比例する確率で接続することで、所望の次数-次数相関を持つスパースなランダムネットワークを生成する手法を提示する。主な結果は、目的の分布が $ e^{-\sqrt{k} - \sqrt{k'}} $ よりも遅く減少する場合に限り、その結果得られるネットワークの連関数分布が漸近的に所望のものと一致することである。

ABSTRACT

We discuss a simple method of constructing correlated random networks, which was recently proposed by M. Bogu~n'a and R. Pastor-Satorras (cond-mat/0306072). The result of this construction procedure is a sparse network whose degree--degree distribution asymptotically approaches a given function at large degrees. We argue that this convergence is possible if the desired function is sufficiently slowly decreasing.

研究の動機と目的

• ネットワーク生成アルゴリズムが所望の連関数次数分布を再現できる条件を確立すること。
• Boguñá-Pastor-Satorrasアルゴリズムが特定の相関構造を持つネットワークを構築する際の限界を同定すること。
• 生成されたネットワークの次数分布の漸近的挙動が、所望の分布に対してどのように振る舞うかを明確にすること。
• 熱力学的極限において収束を保証するための、目的の連関数次数分布の減少率に関する数学的条件を同定すること。

提案手法

• ノード $ i $ に、分布 $ P(q) = \overline{q} \sum_{q'} P(q,q') / q $ からサンプリングされた重み $ q_i $ を割り当てる。ここで $ \overline{q} $ は正規化定数である。
• ノード $ i $ と $ j $ を確率 $ p_{ij} = \frac{\overline{q}}{N} \frac{P(q_i,q_j)}{P(q_i)P(q_j)} $ で接続することで、ノード $ i $ の期待次数がその重み $ q_i $ と一致するように保証する。
• グラフ $ g $ の重みが $ \prod_{i,j} \left( \frac{p_{ij}}{1 - p_{ij}} \right)^{a_{ij}} $ に比例する統計集団フレームワークを用いる。ここで $ a_{ij} $ は隣接行列を表す。
• 個々のノードの次数分布の一次モーメントと二次モーメントを導出し、$ \langle k_i^2 \rangle - \overline{k}_i^2 \approx \overline{k}_i $ が成り立つことを示す。これは、大きな次数において次数分布が非常に鋭くなることを示唆する。
• 重み $ q $ と $ q' $ のノード間の辺の数を、連関数分布を介して $ L(q,q') = \frac{1}{2} N \overline{q} P(q,q') $ と関連づけ、モデルパラメータと所望の連関数分布を結びつける。
• 結果得られる連関数次数分布 $ P_{\text{result}}(k,k') $ が、所望の $ P(k,k') $ に漸近的に収束する条件を分析し、収束が成立するのは $ P(k,k') $ が $ e^{-\sqrt{k} - \sqrt{k'}} $ よりも遅く減少する場合に限ることを示す。

実験結果

リサーチクエスチョン

• RQ1 Boguñá-Pastor-Satorrasネットワーク生成アルゴリズムが、漸近的に所望の目標分布と一致する連関数次数分布を生成するのはどのような条件下か？
• RQ2 目標の連関数次数分布の減少率が、生成されたネットワークの次数相関の収束にどのように影響するか？
• RQ3 なぜこのアルゴリズムは小次数領域において、所望の相関を正確に再現できないのか？
• RQ4 数学的に $ f(x + c\sqrt{x}) / f(x) \to 1 $ が $ x \to \infty $ のとき成り立つための条件は何か？ そしてそれはネットワーク相関の生成とどのように関係するか？
• RQ5 ノードの次数におけるゆらぎは、生成されたネットワークの次数-次数相関の忠実度にどの程度影響を与えるか？

主な発見

• このアルゴリズムは、$ P(k,k') $ が $ e^{-\sqrt{k} - \sqrt{k'}} $ よりも遅く減少する場合に限り、連関数次数分布 $ P_{\text{result}}(k,k') $ が所望の $ P(k,k') $ に漸近的に近づく。
• 個々のノードの次数分布は、期待値 $ \overline{q}_i $ のまわりに鋭く集中しており、分散は $ \approx \overline{q}_i $ に等しいため、大きな次数において安定性が保証される。
• 重み $ q $ と $ q' $ のノード間の辺の数は、$ \frac{1}{2} N \overline{q} P(q,q') $ のスケールで増加し、モデルのパラメータと所望の連関数分布を結びつける。
• 所望の $ P(k,k') $ の周辺分布と一致するための条件を満たす限り、生成されたネットワークの次数分布 $ P_{\text{result}}(k) $ は漸近的にその周辺分布と一致する。
• 小次数領域では、大次数領域の挙動が収束しても、$ P_{\text{result}}(k,k') $ と $ P(k,k') $ の間には顕著な乖離が生じる。
• 収束条件は、非対称および対称の摂動に対して同一であり、$ f(x + c\sqrt{x}) / f(x) \to 1 $ が無限大で成り立つように保証するためには、同じ遅い減少率が要求される。