[논문 리뷰] On the degree distribution of a growing network model

Linda Farczadi, Nicholas Wormald|arXiv (Cornell University)|2014. 01. 05.

Complex Network Analysis Techniques참고 문헌 4인용 수 4

한 줄 요약

이 논문은 각 신규 정점이 무작위로 선택된 기존 정점에 선호적 연결을 통해 연결되고, 그 정점의 k−1개 이웃과도 연결되는 성장하는 무작위 네트워크 모델에서의 차수 분포를 분석한다. 정점 i 시점에 추가된 정점의 기대 차수는 k√(n/i) 비례로 증가함을 증명하며, 차수 순서가 지수 3인 거듭제곱 법칙 분포를 따른다는 것을 보이며, Barabási-Albert 및 Bollobás-Riordan 모델의 결과와 일치한다.

ABSTRACT

In this note we make some specific observations on the distribution of the degree of a given vertex in certain model of randomly growing networks. The rule for network growth is the following. Starting with an initial graph of minimum degree at least $k$, new vertices are added one by one. Each new vertex $v$ first chooses a random vertex $w$ to join to, where the probability of choosing $w$ is proportional to its degree. Then $k$ edges are added from $v$ to randomly chosen neighbours of $w$.

연구 동기 및 목표

• 신규 정점이 초기에 선택된 정점에 선호적 연결을 하고, 그 정점의 k−1개 이웃과도 연결되는 성장 네트워크 모델의 차수 분포를 분석하는 것.
• 이 모델에서 주어진 정점의 기대 차수 변화를 시간에 따라 규명하는 것.
• 이 모델이 선호적 연결 모델의 PA-클래스에 속함을 보여 기존의 渐近 결과 적용 가능성을 확보하는 것.
• 정점 차수의 분포 및 모멘트에 대한 정확한 및 渐近 표현식을 도출하는 것.
• 이 모델의 차수 순서가 지수 3인 거듭제곱 법칙 분포를 따르며, 척도 불변 네트워크 행동과 일치함을 보여주는 것.

제안 방법

• 정점 i 시점에 추가된 정점의 기대 차수를 유도하기 위해 재귀 기대값 접근법을 사용하며, E[d_n(v_i)] = k√(n/i)(1 + O(1/i)) 를 도출한다.
• Bollobás-Riordan LCD 모델 및 Ostroumova 등이 제시한 PA-클래스 프레임워크의 결과를 적용하여 분포 동치성을 확립한다.
• 생성 함수와 Pólya 우산 모델을 활용하여 정점 차수 분포 P(d_n(v_i) = j)의 정확한 표현식을 유도한다.
• 감마 함수와 생성 함수의 계수 추출을 통해 정점 차수의 첫 번째 및 두 번째 모멘트를 정확히 유도한다.
• 감마 함수의 渐近 분석을 통해 기대 차수와 분산의 주요 항 행동을 도출한다.
• 매개수 A = 1/2 및 B = 0로 설정된 PA-클래스 조건을 적용하여 이 모델이 기존 선호적 연결 네트워크 결과와 호환됨을 확인한다.

실험 결과

연구 질문

• RQ1 이 성장 네트워크 모델에서 시간 i에 추가된 정점의 기대 차수가 시간이 지남에 따라 어떻게 변화하는가?
• RQ2 이 모델에서 주어진 정점의 차수 정확한 분포는 무엇이며, 기존 선호적 연결 모델과 비교해보면 어떻게 되는가?
• RQ3 이 모델의 차수 순서가 거듭제곱 법칙 분포를 따르는가? 만약 그렇다면 지수는 얼마인가?
• RQ4 우산 모델과 생성 함수를 사용하여 정점 차수의 모멘트를 정확히 유도할 수 있는가?
• RQ5 이 모델의 행동이 Barabási-Albert 및 Bollobás-Riordan 모델과 차수 분포 측면에서 어떻게 비교되는가?

주요 결과

• 시간 i에 추가된 정점의 기대 차수는 渐近적으로 k√(n/i) 비례로 증가하며, 상대 오차 항으로 O(1/i)를 포함한다.
• 이 모델의 차수 분포는 지수 3인 거듭제곱 법칙을 따르며, 渐近 결과 N_n(d) ≈ α(k,d) 에 의해 확인되며, α(k,d) = 2k(k+1)/(d(d+1)(d+2)) 이다.
• 이 모델는 매개수 A = 1/2 및 B = 0로 PA-클래스에 속하며, Ostroumova 등이 제시한 차수 분포 및 모멘트 결과를 직접 적용 가능하다.
• 차수 d_n(v_i)의 첫 번째 모멘트는 정확히 E[d_n(v_i)] = kΓ(i)Γ(n+1/2)/(Γ(i+1/2)Γ(n)) 로 표현되며, 재귀 유도 결과와 일치한다.
• 두 번째 모멘트는 E[d_n(v_i)^2] = k(k+1)n/i + 2E[d_n(v_i)] 로 표현되며, 기대 차수에 대한 이차적 의존성을 보여준다.
• Pólya 우산 모델을 활용하여 정점 차수의 정확한 유한 표본 확률을 유도하였으며, 이는 이항 계수와 Pochhammer 기호를 포함한 닫힌 형태 표현식을 갖는다.