[논문 리뷰] Counting triangles in power-law uniform random graphs

Pu Gao, Remco van der Hofstad외 2명|arXiv (Cornell University)|2018. 12. 11.

Complex Network Analysis Techniques참고 문헌 16인용 수 9

한 줄 요약

이 논문은 τ ∈ (2,3) 인 희박한 균일한 무작위 그래프에서 면적 분포를 가진 그래프에서의 점 渐진 수를 유도한다. 스위칭 방법과 √n에 비례하는 차수를 가진 정점의 분석을 통해 삼각형 수가 확률적으로 상수로 수렴하고, 균일한 무작위 그래프가 제거된 구성 모델보다 더 많은 삼각형을 포함하며, 국소 클러스터링 계수 c(k)가 k의 다양한 차수 범위에서 서로 다른 척도 행동을 보임을 보여준다.

ABSTRACT

We count the asymptotic number of triangles in uniform random graphs where the degree distribution follows a power law with degree exponent $τ\in(2,3)$. We also analyze the local clustering coefficient $c(k)$, the probability that two random neighbors of a vertex of degree $k$ are connected. We find that the number of triangles, as well as the local clustering coefficient, scale similarly as in the erased configuration model, where all self-loops and multiple edges of the configuration model are removed. Interestingly, uniform random graphs contain more triangles than erased configuration models with the same degree sequence. The number of triangles in uniform random graphs is closely related to that in a version of the rank-1 inhomogeneous random graph, where all vertices are equipped with weights, and the edge probabilities are moderated by asymptotically linear functions of the products of these vertex weights.

연구 동기 및 목표

• τ ∈ (2,3) 인 파워 라인 차수 시퀀스를 가진 균일한 무작위 그래프에서 삼각형 수의 점 渐진 수를 결정하는 것.
• 로컬 클러스터링 계수 c(k)를 분석하는 것. 여기서 c(k)는 차수 k인 정점의 두 이웃 정점이 연결되어 있을 확률로 정의된다.
• 균일한 무작위 그래프와 동일한 차수 시퀀스를 가진 제거된 구성 모델, 그리고 랭크-1 이질적 무작위 그래프의 삼각형 수를 비교하는 것.
• 삼각형 수에 가장 큰 기여를 하는 정점의 차수 비율이 √n에 비례하는 것임을 규명하는 것.

제안 방법

• 삼각형 수를 계산하기 위해 √n에 비례하는 차수를 가진 정점에 스위칭 방법을 적용하여, 희박한 영역에서 삼각형 수의 주요 기여를 한다.
• 점 渐진 수세기 기법과 측도 이론적 분석을 사용하여 균일한 무작위 그래프 모델에서 간선 확률과 클러스터링을 추정하는 것.
• 정점의 차수가 k일 때 조건부로 로컬 클러스터링 계수 c(k)를 분석하고, 그 정점의 두 이웃 정점이 연결되어 있을 확률을 계산하는 것.
• 다양한 차수 범위에서의 기여를 분석하여 스케일링된 삼각형 수가 상수로 확률 수렴함을 입증하는 것.
• 일반화된 무작위 그래프 모델을 사용하여 삼각형 행동을 이해하고, 균일한 모델과 유사한 점 渐진 척도를 보임을 보여주는 프록시로 활용하는 것.
• 적분 표현식에서 ε ↓ 0 의 극한을 취하여 네 가지 다른 차수 범위에서 c(k)의 정확한 점 渐진 상수를 도출하는 것.

실험 결과

연구 질문

• RQ1 τ ∈ (2,3) 인 파워 라인 차수 시퀀스를 가진 균일한 무작위 그래프에서 삼각형 수가 점 渐진적으로 어떻게 척도가 되는가?
• RQ2 이러한 그래프에서 정점의 차수 k에 대한 로컬 클러스터링 계수 c(k)는 어떻게 행동하는가?
• RQ3 왜 균일한 무작위 그래프는 동일한 차수 시퀀스를 가진 제거된 구성 모델보다 더 많은 삼각형을 포함하는가?
• RQ4 삼각형 수에 대한 주요 기여는 어떤 정점의 차수 비율에 의해 이루어지며, 어떤 차수 범위가 점 渐진 행동을 이끄는가?
• RQ5 일반화된 무작위 그래프 모델과 비교했을 때 결과는 어떻게 되는가? 특히 삼각형 및 클러스터링 행동 측면에서.

주요 결과

• τ ∈ (2,3) 인 균일한 무작위 그래프에서 스케일링된 삼각형 수는 확률적으로 상수로 수렴하며, 주로 √n에 비례하는 차수를 가진 정점에서 기인한다.
• 작은 k에 대해 (범위 I), 로컬 클러스터링 계수 c(k)는 점 渐진적으로 k에 독립적이다. 중간 k에 대해 (범위 II)는 k에 따라 느리게 감소하고, 큰 k에 대해 (범위 IV)는 k의 거듭제곱으로 감소한다.
• 동일한 차수 시퀀스를 가진 제거된 구성 모델보다 균일한 무작위 그래프가 더 많은 삼각형을 포함하며, 이는 일반적으로 이 두 모델이 점 渐진적으로 동치라는 일반적인 가정과 모순된다.
• 삼각형 수의 점 渐진 상수는 τ와 차수 시퀀스 매개변수에 따라 달라지며, 함수 A(ε)와 그 극한 A = π / sin(πτ)를 포함하는 적분 극한을 통해 명시적인 표현식이 도출된다.
• k가 범위 IV(k = Θ(n^{1/(τ−1)}))에 속할 경우, 로컬 클러스터링 계수 c(k)는 상수 곱에 k^{3−2τ}로 척도가 되며, 거듭제곱 감소를 보인다.
• 분석을 통해 일반화된 무작위 그래프 모델이 차수 시퀀스 실현 방식의 차이가 있음에도 불구하고, 균일한 무작위 그래프 모델과 동일한 점 渐진 삼각형 행동을 캡처함을 확인한다.