[論文レビュー] Node-node distance distribution for growing networks

Krzysztof Malarz, JUSTYNA KARPIŃSKA+2 more|Sep 10, 2003

Complex Network Analysis Techniques参考文献 1被引用数 4

ひとこと要約

本稿では、成長するネットワークにおけるノード間距離（NND）分布のシミュレーションに基づく手法を提示している。距離行列の反復的更新を用いて、指数的およびスケールフリーツリー（m=1,2）をモデル化している。指数的ツリーにおけるNND分布のn次のモーメントについて解析的公式を導出し、平均距離および分散がネットワークサイズに従って対数的に増加することを示しており、これはスモールワールド効果と整合的である。

ABSTRACT

We present the simulation of the time evolution of the distance matrix. The result is the node-node distance distribution for various kinds of networks. For the exponential trees, analytical formulas are derived for the moments of the distance distribution.

研究の動機と目的

• 成長するネットワークにおけるノード間距離（NND）分布の時間的変化を、距離行列の更新を用いてモデル化すること。
• ランダムまたは優先的アタッチメントルールが、指数的およびスケールフリー・ネットワークにおけるNND特性に与える影響を分析すること。
• 指数的ツリーにおけるNND分布のn次のモーメントの解析的表現を導出すること。
• 平均NNDのネットワークサイズNに伴う対数的増加を測定することで、スモールワールド効果を定量化すること。
• 成長グラフにおけるNND分布のシミュレーションに計算的に効率的なアルゴリズムを提供すること。

提案手法

• 新しいノードが追加される際、距離行列Sが動的に更新され、新しい行・列のエントリは最短経路ルールに基づいて計算される。
• m=1（ツリー）の場合、新しいノードの距離は s_{N+1}(i) = s_p(i) + 1 と設定され、ここでpは接続ノードである。
• m=2（グラフ）の場合、新しいノードの距離は s_{N+1}(i) = min(s_p(i), s_q(i)) + 1 と設定され、ここでpとqは接続ノードである。
• 最短経路が保持されるように再評価ステップを実施：s_{N+1}(i,j) = min(s_N(i,j), s_N(i,p)+2+s_N(q,j), ...)。
• ノードの次数を選択重みとして用いたKertészスタイルのアルゴリズムを用いて優先的アタッチメントを実装する。
• NND分布のn次のモーメントの反復的公式を導出し、統計的性質の解析的予測を可能にする。

Figure 1: The NND distribution for different types trees and graphs.

実験結果

リサーチクエスチョン

• RQ1 成長する指数的およびスケールフリー・ネットワークにおけるノード間距離分布はどのように変化するか？
• RQ2 指数的ツリーにおけるNND分布のn次のモーメントの解析的表現は何か？
• RQ3 NNDの平均距離および分散は、ネットワークサイズNとともにどのように増加するか？
• RQ4 指数的ネットワークとスケールフリー・ネットワークにおけるNND分布の形状および集中度には、どの程度の違いがあるか？
• RQ5 Nが増加するにつれて、NND分布の高次モーメント（歪度、尖度）は正規分布に近づくのか？

主な発見

• 平均ノード間距離 d_N^1 はネットワークサイズNに従って対数的に増加し、スモールワールド効果が裏付けられる。
• m=1の指数的ツリーでは、平均距離は d(N) = 2.00 ln N - 2.84 に従い、分散は σ² = 2.00 ln N - 1.44 となる。
• m=1のスケールフリー・ツリーでは、平均距離は d(N) = 1.00 ln N - 0.08 に従い、分散は σ² = 1.00 ln N - 1.64 となる。
• 反復的公式（9）は、10^4回の実現において、指数的ツリーにおけるn次のモーメント d_N^n を正確に予測でき、シミュレーション結果と一致する。
• 指数的ツリーにおけるNND分布の歪度および尖度は、Nが大きくても消えないため、非正規的かつ非対称な挙動を示している。
• グラフにおけるNND分布はツリーに比べてより集中しており、スケールフリー・ネットワークは指数的ネットワークよりも集中している。

Figure 2: The main moments $d^{k}_{N}$ ( $k=1,\cdots,4$ ) for the exponential trees given by Eq. ( 9 ) (lines) and from the direct simulations (symbols). The latter are averaged over $N_{\text{run}}=10^{4}$ independent evolution process realizations.