[论文解读] A universal assortativity measure for network analysis

Guoqing Zhang, Suqi Cheng+1 more|arXiv (Cornell University)|Dec 28, 2012

Complex Network Analysis Techniques参考文献 28被引用 12

一句话总结

本文提出了一种通用度量系数（UAC），通过将每条边对全局度量系数的贡献归因于整体同配性或异配性，从而量化任何网络子集的同配或异配倾向。与以往方法不同，UAC基于边而非节点进行计算，避免了偏差，揭示出大多数在全局上呈现异配性的网络（如AS级互联网）仍由同配的局部连接主导，挑战了传统假设。

ABSTRACT

Characterizing the connectivity tendency of a network is a fundamental problem in network science. The traditional and well-known assortativity coefficient is calculated on a per-network basis, which is of little use to partial connection tendency of a network. This paper proposes a universal assortativity coefficient(UAC), which is based on the unambiguous definition of each individual edge's contribution to the global assortativity coefficient (GAC). It is able to reveal the connection tendency of microscopic, mesoscopic, macroscopic structures and any given part of a network. Applying UAC to real world networks, we find that, contrary to the popular expectation, most networks (notably the AS-level Internet topology) have markedly more assortative edges/nodes than dissortaive ones despite their global dissortativity. Consequently, networks can be categorized along two dimensions--single global assortativity and local assortativity statistics. Detailed anatomy of the AS-level Internet topology further illustrates how UAC can be used to decipher the hidden patterns of connection tendencies on different scales.

研究动机与目标

• 解决全局同配性系数在捕捉局部或部分网络连通性倾向方面的局限性。
• 克服基于节点的局部同配性定义中存在的模糊性，这些定义缺乏对全局项的确定性分解。
• 开发一种通用度量指标，能够在单一一致的框架下，对微观、介观或宏观尺度的网络同配性进行一致量化。
• 揭示现实世界网络中隐藏的连通性模式，特别是在全局异配系统（如AS级互联网拓扑）中。
• 实现基于全局同配性与局部同配性统计的网络分类，为网络动态提供新见解。

提出的方法

• 通用度量系数（UAC）被定义为单条边对全局同配性系数（GAC）贡献的总和，确保归因的确定性与无歧义性。
• 每条边的贡献由其端点的剩余度联合分布推导得出，公式为 $ r = \frac{1}{\sigma_q^2} \sum_{jk} jk e_{jk} - \frac{1}{\sigma_q^2} \sum_{jk} jk q_j q_k $，其中 $ e_{jk} $ 表示连接剩余度为 $ j $ 和 $ k $ 的节点的边的联合概率。
• 该方法将全局同配性分解为边级别的贡献，避免了需将共享项（如 $ U_q^2 $）分配给单个节点的需要。
• 该方法适用于无向网络，经小幅修改后可扩展至有向网络。
• UAC可对任意边的子集（包括社区、子图或区域互联）进行分析，通过隔离其对整体同配性的特定贡献。
• 该框架支持多尺度分析，从单条边到整个网络区域，提供跨尺度的一致度量。

实验结果

研究问题

• RQ1 如何在不依赖全局指标的情况下，测量网络中特定边子集（如社区或区域互联）的同配性？
• RQ2 为何全局上呈现异配性的网络（如AS级互联网）仍表现出强烈的局部同配性？这种差异的成因是什么？
• RQ3 能否开发一种通用度量指标，以一致方式在所有网络尺度（从微观到宏观）上量化同配性，且不引入偏差？
• RQ4 局部同配性模式在影响信息或疾病传播等网络动态方面具有何种功能意义？
• RQ5 不同网络区域（如国家或RIR）在内部及区域间连接倾向上存在哪些差异？

主要发现

• 在RIR尺度上，67.3%的RIR内部边为同配性，而仅有32.3%的RIR间边为同配性，表明强烈的本地驱动同配性偏差。
• 在国家/区域尺度上，69.7%的国家/区域内部边为同配性，而44.9%的国家/区域间边为同配性，进一步证实了局部同配性的主导地位。
• 尽管全局同配性系数显示整体为异配性（平均60.4%的边为同配性），但现实网络中大多数边（尤其是AS级互联网）仍为局部同配性。
• AS级互联网拓扑呈现出清晰模式：区域内连接主要为同配性，而区域间连接则多为异配性。
• UAC揭示出网络可沿两个维度分类：全局同配性与局部同配性统计，提供了一种精细化的分类框架。
• UAC方法成功揭示了复杂网络中传统全局度量无法察觉的隐藏结构模式，尤其在具有混合连通性倾向的系统中表现突出。