[논문 리뷰] Measuring the local topology of networks: an extended clustering coefficient

Alexandre Hannud Abdo, Alessandro P. S. de Moura|arXiv (Cornell University)|2006. 05. 26.

Complex Network Analysis Techniques인용 수 2

한 줄 요약

이 논문은 전통적인 클러스터링 계수의 한계를 극복하기 위해 다중 척도에서 클러스터링을 포착하는 확장된 국소 네트워크 구조의 측정 척도인 클러스터링 프로파일을 도입한다. 이를 통해 네트워크 구조에 대한 더 깊은 분석이 가능해지며, 특히 소월드 성질을 식별하고 네트워크 성장 모델을 더 정밀하게 제약하는 데 기여한다.

ABSTRACT

Clustering is a central concept in network theory. Nevertheless, its usual formulation as the clustering coefficient has serious limitations. We review the issue, pointing out well studied networks where the coefficient is insufficient in the task of describing their local topology. Motivated by this, we present an extension, the clustering profile, following with three applications that illustrate the relevance of this more complete and robust measure of clustering. It gives us a fresh perspective of networks that have been extensively studied, shedding new light on the small-world effect and providing means to compare different mechanisms of cluster formation. We stress its use to better differentiate and understand network growth processes, in particular to provide stringent constraints on theoretical growth models.

연구 동기 및 목표

• 복잡한 네트워크 구조를 기술하는 데 있어 표준 클러스터링 계수의 한계를 해결하기 위해.
• 다양한 척도에서 국소 구조를 포착하는 더 포괄적인 클러스터링 측정 척도를 개발하기 위해.
• 다양한 네트워크 성장 메커니즘을 구분하고 이해하기 위한 도구를 제공하기 위해.
• 개선된 구조적 특성 기반으로 이론적 네트워크 성장 모델에 엄격한 제약 조건을 제공하기 위해.

제안 방법

• 클러스터링 계수의 확장으로서 클러스터링 프로파일을 제안하여 다양한 이웃 반경에서의 클러스터링을 측정한다.
• 프로파일을 사용해 네트워크의 국소적에서 광범위한 이웃에 이르기까지 다양한 척도에서의 클러스터링을 분석한다.
• 실제 네트워크와 모델 네트워크에 클러스터링 프로파일을 적용하여 구조적 특성을 비교한다.
• 클러스터 형성 메커니즘의 평가 및 구분을 위해 프로파일을 활용한다.
• 다중 척도 클러스터링 관점에서 소월드 효과를 재표현하고 재해석한다.

실험 결과

연구 질문

• RQ1 표준 클러스터링 계수로는 실제 네트워크의 국소 네트워크 구조의 전체적인 복잡성을 충분히 포착하지 못하는가?
• RQ2 클러스터링 프로파일은 전통적 클러스터링 계수로는 포착되지 않는 구조적 특성을 어느 정도 드러내는가?
• RQ3 클러스터링 프로파일은 다양한 네트워크 성장 메커니즘을 어떻게 구분하는 데 기여하는가?
• RQ4 클러스터링 프로파일은 소월드 효과를 이해하는 데 어떤 방식으로 기여하는가?

주요 결과

• 표준 클러스터링 계수보다 클러스터링 프로파일이 국소 네트워크 구조의 보다 완전하고 강건한 특성 기반을 제공한다.
• 기존에 잘 연구된 네트워크에서 전통적 계수로는 부족한 구조적 미세한 특징을 프로파일이 드러낸다.
• 다중 척도 클러스터링 패tern을 통해 경쟁적인 네트워크 성장 모델 간의 명확한 차이를 구분할 수 있다.
• 다중 척도에서의 클러스터링 분석을 통해 클러스터링 프로파일이 소월드 효과에 대한 새로운 통찰을 제공한다.