[論文レビュー] How to generate a random growing network

S. N. Dorogovt︠s︡ev, J. F. F. Mendes+1 more|arXiv (Cornell University)|Jun 9, 2002

Greenhouse Technology and Climate Control被引用数 3

ひとこと要約

本稿では、調整可能な重ね合わせ型度数分布と任意のクラスタリングを有するランダムに成長するネットワークを生成するための確率的エッジ変換手法を提案する。指定された確率でエッジを新しい構成に再帰的に変換することで、制御可能なクラスタリングを有するスケールフリーネットワークが生成され、決定論的および確率的優先接続モデルの間を橋渡しする。さらに、進化するネットワークに対して実空間の自己縮小群的手法を可能にする。

ABSTRACT

We propose a construction procedure which generates a wide class of random evolving networks with fat-tailed degree distributions and an arbitrary clustering. This procedure applies the stochastic transformations of edges, which can be used as the basis of a real space renormalization group for evolving networks.

研究の動機と目的

• 実世界のネットワークの主な特徴、例えば重ね合わせ型度数分布や強いクラスタリングを捉えることができる、一般化されたランダム成長ネットワークの構築手順を開発すること。
• エッジレベルの確率的変換に基づく統一的枠組みにおいて、決定論的および確率的ネットワーク成長モデルを統合すること。
• 既存のモデル（例：Barabási-Albert や Watts-Strogatz）の制限を超えて、度数分布のパワー則を維持しつつ、クラスタリングを任意に制御できることを実現すること。
• 非平衡で進化するネットワークに対して実空間の自己縮小群技術を適用する基盤を構築すること。

提案手法

• ネットワークは、各エッジが与えられた確率で新しいエッジと頂点の構成に再帰的に変換されることで進化する。
• 各時刻における各エッジが、事前に指定された確率で複数の可能な部分グラフ構成のうちのいずれかに独立に置き換えられるように変換が定義される。
• エッジ変換中に閉じた三角形やその他の局所的構造を形成する確率を調整することで、任意のクラスタリングが可能になる。
• この手続きは、p→0 の極限で Barabási-Albert モデルに一般化され、p=1 の場合に決定論的スケールフリー・ネットワークを生成する。p の中間値では中間的クラスタリングが得られる。
• 変換プロセスは、連結成分のない構造や、小世界的特徴を有する複雑なトポロジーを生成可能である。
• この枠組みは、不規則な格子モデルに用いられる実空間の自己縮小群技法と形式的に類似しており、成長ネットワークの解析的取り扱いを可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、重ね合わせ型度数分布と調整可能なクラスタリングを併せ持つランダム成長ネットワークを構築できるか？
• RQ2 エッジに対するどの確率的変換ルールが、Barabási-Albert や決定論的スケールフリー・ネットワークといった既知のネットワーク成長モデルを再現できるか？
• RQ3 決定論的および確率的ネットワーク成長メカニズムの間を滑らかに補間できる統一的枠組みを開発できるか？
• RQ4 エッジベースの変換プロセスは、非平衡ネットワークに対して実空間の自己縮小群手法をどのように適用可能にするか？
• RQ5 変換確率 p とネットワークの最終的なクラスタリングおよび度数分布との関係は何か？

主な発見

• 提案手法により、パワー則度数分布を有するネットワークが生成され、p→0 かつ p≠0 の極限で指数 γ が 3 に一致し、Barabási-Albert モデルと一致する。
• p=1 の場合、高いクラスタリングを有する決定論的スケールフリー・ネットワークが生成され、以前の構成と整合的である。
• p→0 だが p≠0 の場合、図1(c) の変換は低クラスタリングの Barabási-Albert モデルを再現し、フレームワークの連続性を示している。
• 変換ルールを調整することで、任意のクラスタリングが可能であり、所望のクラスタリング係数を持つネットワークの構築が可能になる。
• この枠組みは、変換ルールに応じて小世界的効果や非連結成分の出現をサポートする。
• 確率的エッジ変換プロセスは、成長ネットワークに対する実空間の自己縮小群解析の自然な基盤を提供し、統計物理学からの手法を拡張可能にする。