[논문 리뷰] Growing network with heritable connectivity of nodes

S. N. Dorogovt︠s︡ev, J. F. F. Mendes외 1명|arXiv (Cornell University)|2000. 11. 05.

Complex Network Analysis Techniques인용 수 13

한 줄 요약

이 논문은 선호적 연결과 유전적 연결성을 조합한 성장 네트워크 모델을 제안한다. 여기서 새로운 노드는 부모 노드의 연결성의 일부를 유전한다. 정확한 해는 다중분수적 연결성 분포를 드러내며, 멱법칙 尾첨부 ∼q⁻√²lnq 형태를 취한다. 여기서 √2 ≈ 1.414 < 2 이므로, 첫 번째 모멘트가 발산하고 여러 영역에서 네트워크 크기 의존적 스케일링이 발생한다. 이는 √t 까지 넓은 스케일링 영역과 √t 초과 시 지수 꼬리 형태를 포함한다.

ABSTRACT

We propose a model of a growing network, in which preferential linking is combined with partial inheritance of connectivity (number of incoming links) of individual nodes by new ones. The nontrivial version of this model is solved exactly in the limit of a large network size. We demonstrate, that the connectivity distribution depends on the network size, $t$, in a {\em multifractal} fashion. When the size of the network tends to infinity, the distribution behaves as $\sim q^{-γ}\ln q$, where $γ=\sqrt{2}$. For the finite-size network, this behavior is observed for $1 \ll q \lesssim \exp(\ln ^{1/2}t) $ but the multifractality is determined by the far wider part, $1 \ll q \lesssim \sqrt t$, of the distribution function.

연구 동기 및 목표

• 동일한 탄생 조건을 가정하는 것에서 벗어나, 새로운 노드가 이전 노드의 연결성을 유전하는 네트워크 성장 모델을 수립하기 위해.
• 유전적 연결성이 성장 네트워크의 연결성 분포에 어떻게 영향을 주는지 조사하기 위해.
• 대규모 네트워크 근사에서 연결성 분포의 정확한 점근적 형태를 유도하기 위해.
• 분포의 다중분수적 성질과 네트워크 크기 및 초기 조건에 대한 의존성을 분석하기 위해.
• 모멘트의 스케일링 행동과 크기 의존적 스케일링 영역의 발생을 규명하기 위해.

제안 방법

• 방향성 링크를 갖는 성장 네트워크 모델을 구성하며, 각 새로운 노드는 시간에 따라 변하는 분포에서 추출된 랜덤 수의 들어오는 링크를 갖는다.
• 선호적 첨착이 적용된다: 새로운 링크가 어떤 노드에 연결될 확률은 그 노드의 현재 연결성에 비례한다.
• 모델은 이산 시간 역학을 사용하며 연속 근사를 피함으로써 생성함수와 역 멜린 변환을 통해 정확한 해를 도출할 수 있다.
• 생성함수 접근법을 통해 유한한 t에 대한 연결성 분포 Π(t; q, k)를 유도할 수 있으며, 초기 연결성 k에 대한 명시적 의존성이 포함된다.
• 생성함수의 점근적 분석을 통해 분포의 정확한 대 t 극한을 도출하며, 다중분수적 스케일링을 드러낸다.
• 적분의 안장점 평가를 통해 큰 q에 대한 尾첨부 행동을 유도하며, √t 초과 시 지수 감쇠가 있음을 보여준다.

실험 결과

연구 질문

• RQ1 성장 네트워크 모델에 유전적 연결성을 포함할 경우, 결과로 나타나는 연결성 분포에 어떤 영향을 미치는가?
• RQ2 선호적 첨착과 유전성이 동시에 존재할 때, 대규모 네트워크 근사에서 연결성 분포의 정확한 형태는 무엇인가?
• RQ3 연결성 분포가 다중분수적 스케일링을 보이며, 만약 그렇다면 어떤 연결성 범위에서 그러한 성질을 갖는가?
• RQ4 연결성 분포의 모멘트는 네트워크 크기와 어떻게 스케일링되는가? 이는 분포의 꼬리 행동에 대해 어떤 의미를 갖는가?
• RQ5 초기 연결성 분포가 최종 연결성 분포에 얼마나 큰 영향을 미치는가?

주요 결과

• 활성 노드(q > 0)의 연결성 분포는 1 ≪ q ≲ exp(ln¹/²t) 범위에서 멱법칙 형태 ∼q⁻√²lnq를 따르며, 지수 √2 ≈ 1.414 < 2 이다.
• 무한 네트워크 근사에서 연결성 분포의 첫 번째 모멘트는 발산하며, 이는 소수의 노드가 링크의 대부분을 차지하고 있음을 시사한다.
• 분포는 다중분수성을 보이며, 넓은 스케일링 영역이 1 ≪ q ≲ √t 범위에 걸쳐 있으며, 이 영역에서는 네트워크 크기 t에 따라 달라지지만 초기 조건과는 무관하다.
• q ≳ √t 영역에서는 분포가 지수적으로 감쇠하며, 꼬리 행동은 Π(t; q, k) ≈ (1/Γ(k)t³/²)( (q−k)/√t )ᵏ exp(−q/√t) 로 주어진다.
• 지수 꼬리 영역에 속하는 노드 총 수는 t₀, 즉 초기 노드 수의 주요 크기이며, 이는 꼬리가 초기 조건에 의해 지배됨을 나타낸다.
• 모멘트의 스케일링은 비선형이며, 지수는 다중분수적 구조로 인해 모멘트의 순서에 따라 달라진다.