[논문 리뷰] Very large graphs

László Lovász|arXiv (Cornell University)|2009. 02. 01.

Limits and Structures in Graph Theory참고 문헌 51인용 수 6

한 줄 요약

이 논문은 인터넷과 같이 완전히 알려져 있지 않고 간접적 표본 추출을 통해 연구되어야 하는 매우 큰 네트워크가 제기하는 수학적 과제를 조사한다. 밀도 높은 네트워크와 희박한 네트워크 간의 구조적 차이를 탐구하며, 희박한 네트워크가 더 실용적으로 관련성이 있지만, 밀도 높은 네트워크에 비해 이론적 이해가 더 발달되어 있음을 강조한다. 이는 확률론, 대수학, 해석학과의 연관성을 포함한다.

ABSTRACT

In the last decade it became apparent that a large number of the most interesting structures and phenomena of the world can be described by networks: separable elements, with connections (or interactions) between certain pairs of them. These huge networks pose exciting challenges for the mathematician. Graph Theory (the mathematical theory of networks) faces novel, unconventional problems: these very large networks (like the Internet) are never completely known, in most cases they are not even well defined. Data about them can be collected only by indirect means like random local sampling. Dense networks (in which a node is adjacent to a positive percent of others nodes) and sparse networks (in which a node has a bounded number of neighbors) show very different behavior. From a practical point of view, sparse networks are more important, but at present we have more complete theoretical results for dense networks. The paper surveys relations with probability, algebra, extrema graph theory, and analysis.

연구 동기 및 목표

• 인터넷와 같은 매우 큰, 완전히 알려져 있지 않은 네트워크에서 발생하는 수학적 과제를 다루기 위해.
• 밀도 높은 네트워크(간선의 정규 밀도)와 희박한 네트워크(유한한 차수)의 구조적 및 이론적 행동을 비교하기 위해.
• 주로 희박한 네트워크에 대한 완전한 결과가 부족한 이론적 격차를 특정하기 위해.
• 그래프 이론과 확률론, 대수학, 해석학 등의 분야 간의 다학제적 연관성을 탐색하기 위해.

제안 방법

• 관측되지 않거나 명확히 정의되지 않은 네트워크를 연구하기 위해 간접 표본 추출 기법을 사용한다.
• 불확실성 하에서 네트워크 행동을 모델링하고 분석하기 위해 확률론 이론의 개념을 적용한다.
• 대규모 네트워크의 구조적 한계와 성질을 검토하기 위해 극한 그래프 이론의 개념을 활용한다.
• 대규모 네트워크 구조에서 渐近적 행동을 연구하기 위해 분석적 방법을 통합한다.
• 밀도 높은 네트워크 모델과 희박한 네트워크 모델 간의 이론적 결과를 비교하여 접근 가능성의 차이를 부각한다.

실험 결과

연구 질문

• RQ1 매우 큰 체계에서 밀도 높은 네트워크의 구조적 성질은 희박한 네트워크와 어떻게 다를까?
• RQ2 완전히 알려져 있거나 관찰 가능한 네트워크를 분석하는 데 가장 효과적인 수학적 도구는 무엇인가?
• RQ3 희박한 네트워크가 실용적으로 더 우세한 데도 불구하고, 왜 밀도 높은 네트워크에 대해 더 완전한 이론적 결과가 존재하는가?
• RQ4 대규모 네트워크의 맥락에서 그래프 이론을 어떻게 확률론, 대수학, 해석학과 의미 있게 연결할 수 있는가?

주요 결과

• 실생활 응용(예: 인터넷)에서 더 흔한 희박한 네트워크는 밀도 높은 네트워크에 비해 이론적으로 덜 이해되어 있다.
• 밀도 높은 네트워크는 그 구조적 규칙성과 높은 간선 밀도 덕분에 더 완전한 이론적 결과를 보인다.
• 완전히 알려져 있거나 접근할 수 없는 네트워크를 연구하기 위해 간접 표본 추출 방법이 필수적이다.
• 대규모 네트워크에 대한 그래프 이론의 이론적 발전은 확률론, 대수학, 해석학과의 다학제적 통합이 필요하다.
• 밀도 높은 네트워크와 희박한 네트워크 간의 행동 차이가 심하여 분석 접근법이 다를 필요가 있다.