[论文解读] Graph Evolution: Densification and Shrinking Diameters

Jure Leskovec, Jon Kleinberg+1 more|ArXiv.org|Mar 27, 2006

Complex Network Analysis Techniques参考文献 42被引用 311

一句话总结

本文提出了一种新的图生成模型——'森林火灾'过程，用以解释现实网络随时间演化时出现的密集化现象及直径缩小的实证观察，挑战了传统网络模型中平均度恒定、直径缓慢增长的假设。该模型仅用两个参数即可捕捉幂律度分布、密集化以及有效直径减小的特性，并在临界点附近出现显著的相变，使这些行为得以显现。

ABSTRACT

How do real graphs evolve over time? What are ``normal'' growth patterns in social, technological, and information networks? Many studies have discovered patterns in static graphs, identifying properties in a single snapshot of a large network, or in a very small number of snapshots; these include heavy tails for in- and out-degree distributions, communities, small-world phenomena, and others. However, given the lack of information about network evolution over long periods, it has been hard to convert these findings into statements about trends over time. Here we study a wide range of real graphs, and we observe some surprising phenomena. First, most of these graphs densify over time, with the number of edges growing super-linearly in the number of nodes. Second, the average distance between nodes often shrinks over time, in contrast to the conventional wisdom that such distance parameters should increase slowly as a function of the number of nodes (like O(log n) or O(log(log n)). Existing graph generation models do not exhibit these types of behavior, even at a qualitative level. We provide a new graph generator, based on a ``forest fire'' spreading process, that has a simple, intuitive justification, requires very few parameters (like the ``flammability'' of nodes), and produces graphs exhibiting the full range of properties observed both in prior work and in the present study. We also notice that the ``forest fire'' model exhibits a sharp transition between sparse graphs and graphs that are densifying. Graphs with decreasing distance between the nodes are generated around this transition point.

研究动机与目标

• 研究跨多样化领域的现实图谱随时间的演化特性。
• 挑战传统网络模型中关于平均度恒定和直径缓慢增长的假设。
• 识别并形式化网络增长的新规律，例如密集化与直径缩小。
• 开发一种简单且参数高效的图生成器，以复现观测到的网络演化模式。
• 建立现实网络中度分布演化与密集化之间的根本联系。

提出的方法

• 提出'森林火灾'图生成模型，新节点通过赋予现有节点'可燃性'参数来连接。
• 通过传播过程建模网络增长：每个新节点随机连接到现有节点的子集，这些节点随后以指定概率'燃烧'并连接到其邻居。
• 仅使用一个参数（可燃性）控制火势蔓延范围，从而在稀疏图与密集图之间实现清晰的相变。
• 通过将生成图与真实数据集（包括电子邮件、引文和自治系统网络）进行对比，实证验证模型。
• 分析幂律度分布及其演化，表明密集化与度分布指数的变化密切相关。
• 应用社区引导连接模型，证明密集化可从社区结构与优先连接机制中自然涌现。

实验结果

研究问题

• RQ1 在真实图谱中，平均度与直径等基本网络特性如何随时间演化？
• RQ2 为何现有随机图模型无法复现真实网络中观测到的密集化与直径缩小模式？
• RQ3 能否通过一个简单的生成模型同时捕捉密集化与有效直径减小？
• RQ4 幂律度分布指数的演化与图的密集化之间存在何种关系？
• RQ5 模型参数中是否存在一个临界转变点，使得生成图呈现出密集化与直径缩小的特性？

主要发现

• 真实网络随时间呈现密集化趋势，边数随节点数的超线性增长，遵循幂律关系 e(t) ∝ n(t)^a（其中 a > 1）。
• 许多真实网络的有效直径随网络增长而减小，与直径缓慢增加的假设相矛盾。
• 森林火灾模型仅用两个参数（节点可燃性与火焰传播概率），即可成功复现密集化、直径缩小及重尾度分布。
• 森林火灾模型中存在明显的相变：在临界可燃性阈值附近生成的图表现出密集化与有效直径减小的特性。
• 幂律度分布指数的时序演化与密集化过程存在根本关联，真实网络中已实证观察到此相关性。
• 社区引导连接模型表明，密集化可从社区结构与优先连接机制中自然涌现，支持所提机制的可行性。