[논문 리뷰] Clustering and preferential attachment in growing networks

M. E. J. Newman|2001. 04. 11.

Complex Network Analysis Techniques인용 수 22

한 줄 요약

이 논문은 물리학 및 생물학 데이터베이스에서 시간 해상도가 높은 데이터를 사용하여 성장하는 과학적 협력 네트워크에서 군집화와 선형 선호적 첨부의 경험적 증거를 제공한다. 새로운 협력의 확률은 공통 협력자 수와 이전 협력자 수 증가에 따라 증가하며, 선형 선호적 첨부 경향이 뚜렷하게 나타나, 네트워크에서 멱법칙 차수 분포의 이론적 기반을 뒷받침한다.

ABSTRACT

We study empirically the time evolution of scientific collaboration networks in physics and biology. In these networks, two scientists are considered connected if they have coauthored one or more papers together. We show that the probability of scientists collaborating increases with the number of other collaborators they have in common, and that the probability of a particular scientist acquiring new collaborators increases with the number of his or her past collaborators. These results provide experimental evidence in favor of previously conjectured mechanisms for clustering and power-law degree distributions in networks.

연구 동기 및 목표

• 네트워크 성장에서 군집화와 선형 선호적 첨부의 추측되는 메커니즘을 경험적으로 검증하는 것.
• 협력 확률이 공통 협력자 수와 이전 협력자 수 증가에 따라 증가하는지 여부를 확인하는 것.
• 선형 선호적 첨부가 선형 경향을 따르는지 평가하여 멱법칙 차수 분포를 설명할 수 있는지 확인하는 것.
• 과학적 협력 데이터베이스에서 시간 해상도가 높은 데이터를 사용하여 네트워크 성장 순서에 대한 모호함을 해결하는 것.

제안 방법

• 1995–2000년도 로스 앨라모스 e-print 아카이브와 1994–1999년도 메드라인 데이터베이스에서 출판 순서를 협력 시점의 대체 지표로 사용하여 협력 네트워크를 구축하였다.
• 차수 $ k $ 를 가진 정점에 새로운 간선이 연결될 상대적 확률 $ R_k $ 를 정의하였으며, $ N(t)/n_k(t) $ 를 가중치로 사용하여 차수 분포 편향을 보정하였다.
• 시간 순서가 지정된 데이터를 사용하여 공통 정점의 이웃들이 서로 연결되어 있는 확률을 계산함으로써 군집도를 측정하였다. 이를 통해 변화하는 네트워크 구조를 추적하였다.
• 히스토그램 기반 가중치 방법을 사용하여 $ R_k $ 를 추정하였으며, 균일 첨부와의 편차를 평가하기 위해 정규화를 실시하였다.
• 상대적 첨부 확률 $ R_k $ 에 대해 멱법칙 모델을 fitting하여 선형($ \nu = 1 $) 또는 비선형($ \nu < 1 $) 선호적 첨부 여부를 테스트하였다.
• 두 대규모 데이터베이스 간의 결과를 비교하여 발견의 일관성과 탄력성을 검증하였다.

실험 결과

연구 질문

• RQ1 두 과학자가 공통 협력자를 더 많이 가질수록 그들의 협력 확률이 증가하는가?
• RQ2 기존 협력자 수가 많을수록 과학자가 새로운 협력자를 확보할 확률이 증가하는가?
• RQ3 네트워크 성장에서 선형 선호적 첨부가 이론 모델이 예측한 바와 같이 선형적인가?
• RQ4 관측된 차수 분포가 멱법칙에서 얼마나 벗어나며, 이는 선형 선호적 첨부의 붕괴와 관련이 있는가?

주요 결과

• 공통 협력자 수 증가에 따라 협력 확률이 유의미하게 증가하여, 상호 소개 기반의 군집화 메커니즘에 대한 강력한 경험적 지원을 제공한다.
• 기존 협력자 수 증가에 따라 새로운 협력자 확보 확률이 선형적으로 증가하여, 선형 선호적 첨부가 주요 성장 메커니즘임을 확인한다.
• 낮은에서 중간 수준의 차수에서 상대적 첨부 확률 $ R_k $ 는 차수 $ k $ 에 대해 선형적으로 증가하며, 메드라인의 경우 $ \nu = 1.04 \pm 0.04 $, 로스 앨라모스 아카이브의 경우 $ \nu = 0.89 \pm 0.98 $ 로 나타나 선형 선호적 첨부와 일치한다.
• 고차수 영역($ k \approx 150 $, 물리학 분야; $ k \approx 600 $, 생의학 분야)에서 $ R_k $ 가 선형에서 벗어남과 동시에 차수 분포의 절단점이 관측됨을 확인하여, 선형 선호적 첨부의 자연스러운 한계가 있음을 시사한다.
• 이전 연구들은 시간 해상도가 낮아 비선형 첨부($ \nu \approx 0.8 $)를 관측하였지만, 본 연구는 이러한 결과들과 정반대되며 표준 선형 모델이 근본적인 성장 메커니즘임을 지지한다.
• 본 연구는 군집화와 선형 선호적 첨부가 네트워크 성장과 멱법칙 차수 분포의 주요 원인임을 직접적으로 시간 해상도가 높은 경험적 데이터로 입증한 최초의 연구이다.