[論文レビュー] A steady state model for graph power laws

David Eppstein, Joseph Wang|arXiv (Cornell University)|Mar 30, 2002

Complex Network Analysis Techniques参考文献 22被引用数 34

ひとこと要約

本稿では、増分的成長を伴わない固定サイズのグラフにおけるエッジ再接続のマルコフ過程を用いて、パワー則的次数分布を生成する定常状態グラフモデルを提案する。モデルはエッジ置換時の優先的接続によってパワー則を達成し、成長がパワー則的挙動に必要でないことを示す。また、実際のウェブグラフとの適合度を評価するための新規クラスタリング指標$d_{\text{max}}$を導入する。

ABSTRACT

Power law distribution seems to be an important characteristic of web graphs. Several existing web graph models generate power law graphs by adding new vertices and non-uniform edge connectivities to existing graphs. Researchers have conjectured that preferential connectivity and incremental growth are both required for the power law distribution. In this paper, we propose a different web graph model with power law distribution that does not require incremental growth. We also provide a comparison of our model with several others in their ability to predict web graph clustering behavior.

研究の動機と目的

• ウェブグラフにおけるパワー則的次数分布の生成に、増分的成長と優先的接続の両方が不可欠であるという一般的な仮説に挑戦すること。
• エッジ再接続を通じてパワー則的次数分布を生成するが、成長を伴わないシンプルなグラフモデルを構築すること。
• 部分グラフ列挙を伴わずにクラスタリング行動を定量的に評価できる計算効率の良いグラフ特性$d_{\text{max}}$を導入すること。
• $d_{\text{max}}$をクラスタリング適合度の指標として用い、提案モデルと既存モデル（例：ACL、Barabási-Albert）を実際のウェブクロールデータと比較すること。
• 現在のモデルの限界を特定し、より現実的なウェブグラフ生成のための方向性を示すこと。

提案手法

• 本モデルは$n$個の頂点と$m = \Theta(n)$本のエッジを持つ固定サイズのグラフを維持する。初期状態はスパースなランダムグラフとして設定される。
• 繰り返しエッジ再接続を実行する：ランダムにエッジ$(u,v)$を選択し、それを削除した後、新しいエッジ$(x,y)$を生成する。ここで$x$は一様に選ばれ、$y$は次数に比例する確率で選ばれる。
• このプロセスは非周期的なマルコフ連鎖としてモデル化され、初期条件に依存しない極限分布に収束する。
• $d_{\text{max}}$指標は、最小次数の頂点削除順序を用いて計算され、$d_{\text{max}}$は頂点削除過程で観測された最大次数である。
• シミュレーションは$500 \leq n \leq 5000$のグラフサイズと$1 \leq m/n \leq 3$のエッジ密度において、10,000,000回のエッジ操作を実行した。
• 本モデルは、実際のウェブクロールデータおよびACLモデルとを、$d_{\text{max}}$をクラスタリング適合度の指標として用いて比較した。

実験結果

リサーチクエスチョン

• RQ1 増分的成長を伴わず、エッジ再接続のみに依存するグラフにおいて、パワー則的次数分布が出現しうるか？
• RQ2 提案された定常状態モデルは、成長ベースのモデル（例：Barabási-Albert）およびACLモデルと比較して、実際のウェブグラフのクラスタリングをどれほど再現できるか？
• RQ3 $d_{\text{max}}$指標は、部分グラフ列挙を伴わず、グラフのクラスタリング挙動を信頼的かつ効率的に代理するものとして妥当か？
• RQ4 ACLやBarabási-Albertのような既存モデルは、実際のウェブグラフに観察されるクラスタリング密度を捉えられていないのか？
• RQ5 定常状態エッジ再接続プロセスの理論的・計算的性質（収束時間、極限分布など）は何か？

主な発見

• 十分なエッジ再接続操作を経た後、定常状態モデルは次数系列においてパワー則的次数分布を効果的に生成した。これは、パワー則的挙動に成長が必須でないことを示している。
• $d_{\text{max}}$指標はクラスタリング挙動を効果的に捉えており、すべての部分グラフを列挙することなく効率的に計算可能である。
• ACLモデルおよび提案されたSSモデルの両方とも、実際のウェブグラフよりも著しく低い$d_{\text{max}}$値を示しており、クラスタリング密度が不足していることを示している。
• 例えば、arizonaサイト（$n=5315$）では実際の$d_{\text{max}}$は15であったが、ACLモデルでは$\mu_{\text{ACL}} = 10$、SSモデルでは$\mu_{\text{SS}} = 8$と、両者とも実値を下回っていた。
• テストしたすべてのサイトにおいて、SSモデルの$d_{\text{max}}$値は実際のウェブデータよりも一貫して低く、クラスタリングを過小評価していることが示された。
• 観察1では、成長ベースのモデル（例：Barabási-Albert）の$d_{\text{max}} = d = m/n$であるが、これは平均次数未満の頂点を有する実際のグラフを適切に反映していない可能性がある。