[論文レビュー] On the Degree Sequence of Random Geometric Digraphs

Yilun Shang|arXiv (Cornell University)|Sep 18, 2009

Complex Network Analysis Techniques参考文献 18被引用数 15

ひとこと要約

本稿は、ℝ²に独立同分布に配置された頂点が、固定角度と半径の方向性セクタを発信するランダム幾何ダイグラフにおける外次数および内次数の中心極限定理を確立する。点が一様に配置される場合、次数分布はポアソンに類似するが、非一様な密度では著しく歪むことが示され、kおよびkₙ近傍距離のデポアソン化および極限定理を通じて、現実のネットワーク構造に関する洞察が得られる。

ABSTRACT

A random geometric digraph $G_n$ is constructed by taking $\{X_1,X_2,... X_n\}$ in $\mathbb{R}^2$ independently at random with a common bounded density function. Each vertex $X_i$ is assigned at random a sector $S_i$ of central angle $α$ with inclination $Y_i$, in a circle of radius $r$ (with vertex $X_i$ as the origin). An arc is present from vertex $X_i$ to $X_j$, if $X_j$ falls in $S_i$. Suppose $k$ is fixed and $\{k_n\}$ is a sequence with $1\ll k_n\ll n^{1/2}$, as $n o\infty$. We prove central limit theorems for $k-$ and $k_n-$nearest neighbor distance of out- and in-degrees in $G_n$. We also show that the degree distribution of this model, which varies with the probability distribution of the underlying point processes, can be either homogeneous or inhomogeneous. Our work should provide valuable insights for alternative mechanisms wrapped in real-world complex networks.

研究の動機と目的

• 方向的送信範囲を有するランダム幾何ダイグラフの次数分布を分析すること。
• 外次数および内次数におけるkおよびkₙ近傍距離の中心極限定理を確立すること。
• 基礎となる点過程の分布が次数の均一性または不均一性に与える影響を調査すること。
• デポアソン化技術を用いてペンローズの近傍距離手法を有向幾何グラフに拡張すること。

提案手法

• 各頂点にℝ²上に固定角度αおよび半径rₙのランダムなセクタを割り当てることで、ランダム幾何ダイグラフをモデル化する。
• XⱼがXᵢのセクタ内にある場合にのみ、XᵢからXⱼへの有向辺を定義し、ダイグラフGₙを構成する。
• ポアソン点過程からの結果を二項過程へ移すためにデポアソン化を適用する。
• kₙ近傍距離の経験的過程をスケーリングおよび中心化し、ガウス極限への弱収束を導出する。
• クラーメル＝ヴールドの定理およびモーメント準備法を用いて、次数統計量の同時収束を証明する。
• d ≥ 3の場合には球面セクタおよび非一様な角度分布を用いて一般化する。

実験結果

リサーチクエスチョン

• RQ1 固定kおよび増大するkₙの下で、ランダム幾何ダイグラフの外次数および内次数は漸近的にどのように振る舞うか？
• RQ2 このモデルにおいて、次数分布が均一的または不均一的である要因は何か？
• RQ3 方向的ランダム幾何グラフにおける次数系列に対して中心極限定理を確立できるか？
• RQ4 基礎となる点過程の密度が次数分布の形状にどのように影響を与えるか？
• RQ5 高次元または非一様な角度分布に拡張する場合、どのような修正が必要か？

主な発見

• 固定kおよび増大するkₙ（kₙ ≪ n¹ᐟ²）の下で、外次数および内次数の分布はいずれも中心極限定理を満たす。
• 点が一様に配置される場合、次数分布はポアソンに類似し、エレッシュ＝レニのグラフに類似する。
• 非一様な点過程密度の下では、次数分布は著しく歪み、現実のネットワークにおける不均一性を反映する。
• デポアソン化およびモーメント解析を用いて、次数過程の極限分散が導出され、セクタ確率を含む明示的表現が得られる。
• d ≥ 3の場合、スケーリングを修正し、球面セクタを定義することで同様の結果が得られ、条件kₙ/n²ᐟᵈ⁺² → 0を満たす必要がある。
• 外次数に関しては、一般の角度分布のもとでデポアソン化技術は有効であるが、内次数に関しては位置依存のセクタ包含確率のため、失敗する。