[논문 리뷰] Some Considerations on Six Degrees of Separation from A Theoretical Point of View

Norihito Toyota|ArXiv.org|2008. 03. 17.

Theoretical and Computational Physics참고 문헌 11인용 수 3

한 줄 요약

이 논문은 워츠-스트로가츠 소월드 네트워크 모델을 사용하여 밀그램의 '여섯 걸음의 분리' 이론적 기반을 조사한다. 클러스터링 계수는 가용 인구 수를 몇 퍼센트 정도만 감소시키며, 개인이 수십 명의 연결을 가질 경우 여섯 걸음의 분리가 자연스러운 결과로 나타남을 보여준다. 연구는 정보 확산을 정량화하기 위해 전파 계수 모델을 도입하여, 높은 연결성과 중간 정도의 클러스터링이 대규모 네트워크에서 빠른 확산을 유지함을 밝혀낸다.

ABSTRACT

In this article we discuss six degrees of separation, which has been proposed by Milgram, from a theoretical point of view. Simply if one has $k$ friends, the number $N$ of indirect friends goes up to $\sim k^d$ in $d$ degrees of separation. So it would easily come up to population of whole world. That, however, is unacceptable. Mainly because of nonzero clustering coefficient $C$, $N$ does not become $\sim k^d$. In this article, we first discuss relations between six degrees of separation and the clustering coefficient in the small world network proposed by Watt and Strogatz\cite{Watt1},\cite{Watt2}. Especially, conditions that $(N)>$ (population of U.S.A or of the whole world) arises in the WS model is explored by theoretical and numerical points of view. Secondly we introduce an index that represents velocity of propagation to the number of friends and obtain an analytical formula for it as a function of $C$, $K$, which is an average degree over all nodes, and some parameter $P$ concerned with network topology. Finally the index is calculated numerically to study the relation between $C$, $K$ and $P$ and $N$.

연구 동기 및 목표

• 나무 구조의 네트워크에서 도달 가능한 인구 수가 지수적으로 증가하는 데도 불구하고 여섯 걸음의 분리가 놀랍지 않음을 이론적으로 분석하기 위해.
• 특히 워츠-스트로가츠 모델에서 소월드 네트워크의 클러스터링 계수 C가 정보 확산에 미치는 영향을 분석하기 위해.
• 균일한 가정 하에 전파 계수 모델을 개발하고 적용하여 네트워크 세대 간 정보 확산을 정량화하기 위해.
• 믹시와 베이컨 게임과 같은 실제 네트워크에서 균일한 가정의 타당성을 평가하고, 유한한 크기와 스케일프리 구조로 인한 제한점을 규명하기 위해.
• 대규모 인구 집단에서 여섯 걸음 이내에 정보가 빠르게 퍼지게 하는 데 핵심적인 역할을 하는 매개변수(C, K, p)를 특정하기 위해.

제안 방법

• 작은 p에 대해 워츠-스트로가츠 모델에서 클러스터링 계수 C(p) = (3K−6)/(4K−2) × (1−p)^3 과 평균 경로 길이 L(p) = (2n/K) × F(nKp/2) 의 해석적 표현을 사용한다.
• L ≈ 6±1 이고 네트워크 크기가 약 10^9명에 도달하는 영역을 수치적으로 분석하여 (p, K)의 매개변수 영역을 규명한다.
• 균일한 가정에 기반한 전파 계수 모델을 도입하여 C, K, 및 토폴로지 매개변수 P에 따라 정보 확산 속도를 측정하는 지표를 정의한다.
• 전파 계수에 대한 해석적 공식을 유도하고 다양한 네트워크 토폴로지에서 수치적으로 검증한다.
• 믹시 소셜 네트워크와 베이컨 게임(배우 네트워크)의 실증 데이터를 분석하여 클러스터링 계수를 추정하고 모델 가정을 시험한다.
• 세대 기반 분석(G_i)을 사용하여 네트워크 계층 간에 새로운 노드와 전파 계수를 추적하고 균일성에서의 이탈을 식별한다.

실험 결과

연구 질문

• RQ1 소월드 네트워크에서 클러스터링 계수는 여섯 걸음 이내의 분리로 도달 가능한 인구 수를 어느 정도 감소시키는가?
• RQ2 워츠-스트로가츠 모델에서 평균 차수 K와 재결합 확률 p가 어떤 조합이면 정보가 여섯 단계 내에 약 10^9명에게 퍼질 수 있는가?
• RQ3 비균일한 클러스터링을 가진 네트워크에서 전파 계수 모델은 정보 확산 속도를 어떻게 정량화하는가?
• RQ4 믹시와 배우 네트워크와 같은 실제 네트워크에서 클러스터링과 차수 분포에 대한 균일한 가정은 어느 정도 타당한가?
• RQ5 유한한 크기 효과와 스케일프리 구조는 전파 계수와 클러스터링 계수 추정치를 왜곡하는 데 어떤 역할을 하는가?

주요 결과

• 클러스터링 계수는 나무 구조에 비해 도달 가능한 인구 수를 몇 퍼센트 정도만 감소시키며, 이로 인해 여섯 걸음의 분리는 자연스러운 결과로 나타난다.
• 한 사람당 K ≈ 20–30개의 연결이 있을 경우, 워츠-스트로가츠 모델에서 낮은 재결합 확률 조건 하에서도 정보는 6±1단계 내에 약 10^9명에게 도달할 수 있다.
• 전파 계수 모델은 정보 확산 속도를 성공적으로 정량화하며, C, K, P가 확산 속도에 영향을 주는 핵심 매개변수임을 밝혀낸다.
• 믹시와 베이컨 게임의 실증 분석 결과, 세대 간 클러스터링 계수 C_i는 일정하지 않으며, 이는 균일한 가정을 위반함을 시사한다.
• 유한한 크기 효과와 스케일프리 구조는 일부 경우에 음수의 클러스터링 계수 추정치를 초래하여 균일한 모델의 한계를 드러낸다.
• 극도로 높은 연결성을 가진 허브(예: 키프 베이컨)의 경우 전파 계수의 피크가 첫 번째 세대에서 발생하여 초기에 빠른 확산이 일어나지만, 이 모델은 극단적인 연결성을 가진 허브에서는 성립하지 않는다.