[论文解读] Measuring the local topology of networks: an extended clustering coefficient

Alexandre Hannud Abdo, Alessandro P. S. de Moura|arXiv (Cornell University)|May 26, 2006

Complex Network Analysis Techniques被引用 2

一句话总结

本文引入聚类谱作为局部网络拓扑的扩展度量，通过捕捉多尺度聚类克服了传统聚类系数的局限性。该方法可实现对网络结构的更深入分析，尤其在识别小世界特性以及更精确地约束网络生长模型方面具有优势。

ABSTRACT

Clustering is a central concept in network theory. Nevertheless, its usual formulation as the clustering coefficient has serious limitations. We review the issue, pointing out well studied networks where the coefficient is insufficient in the task of describing their local topology. Motivated by this, we present an extension, the clustering profile, following with three applications that illustrate the relevance of this more complete and robust measure of clustering. It gives us a fresh perspective of networks that have been extensively studied, shedding new light on the small-world effect and providing means to compare different mechanisms of cluster formation. We stress its use to better differentiate and understand network growth processes, in particular to provide stringent constraints on theoretical growth models.

研究动机与目标

• 解决标准聚类系数在描述复杂网络拓扑结构时的局限性。
• 开发一种更全面的聚类度量方法，以捕捉多尺度下的局部结构。
• 提供一种工具，用于区分和理解多样的网络生长机制。
• 通过改进的拓扑表征，为理论网络生长模型提供更严格的约束。

提出的方法

• 提出聚类谱作为聚类系数的扩展，通过测量不同邻域半径下的聚类程度。
• 利用该谱分析网络中从局部到更广邻域的多尺度聚类特性。
• 将聚类谱应用于真实世界网络和模型网络，以比较其结构特性。
• 利用该谱评估并区分生长网络中聚类形成的机制。
• 利用该谱以多尺度聚类的视角重新表达和重新诠释小世界效应。

实验结果

研究问题

• RQ1 标准聚类系数在多大程度上无法捕捉现实世界网络中局部网络拓扑的全部复杂性？
• RQ2 聚类谱在多大程度上揭示了传统聚类系数所遗漏的结构特征？
• RQ3 聚类谱如何帮助区分不同的网络生长机制？
• RQ4 聚类谱在哪些方面增强了对小世界效应的理解？

主要发现

• 与标准聚类系数相比，聚类谱能够提供更完整且更稳健的局部网络拓扑表征。
• 该谱在已有研究网络中揭示了传统系数无法充分捕捉的结构细微特征。
• 通过多尺度聚类模式，该谱能够更清晰地区分竞争性的网络生长模型。
• 聚类谱通过分析多尺度聚类，为小世界效应提供了新的洞察。