[논문 리뷰] On the modularity of 3-regular random graphs and random graphs with given degree sequences

Lyuben Lichev, Dieter Mitsche|arXiv (Cornell University)|2020. 07. 30.

Limits and Structures in Graph Theory참고 문헌 27인용 수 4

한 줄 요약

이 논문은 3-정규 랜덤 그래프와 주어진 차수 분포를 가진 랜덤 그래프의 모듈라리티에 대해 점점 거의 확실히(а.а.с.) 하한과 상한을 확립한다. 이는 McDiarmid와 Skerman의 추측을 확인하며, 3-정규 그래프의 모듈라리티가 거의 확실히 0.667026 이상이라는 것을 입증하고, 상한을 0.789998으로 향상시킨다. 일반적인 차수 분포에 대해서는 차수 분포와 거대 컴포넌트의 존재 여부에 따라 모듈라리티의 범위를 유도한다.

ABSTRACT

The modularity of a graph is a parameter that measures its community structure; the higher its value (between $0$ and $1$), the more clustered the graph is. In this paper we show that the modularity of a random $3$-regular graph is at least $0.667026$ asymptotically almost surely (a.a.s.), thereby proving a conjecture of McDiarmid and Skerman. We also improve the a.a.s. upper bound given therein to $0.789998$. For a uniformly chosen graph $G_n$ over a given bounded degree sequence with average degree $d(G_n)$ and with $|CC(G_n)|$ many connected components, we distinguish two regimes with respect to the existence of a giant component. In the subcritical regime, we compute the second term of the modularity. In the supercritical regime, we prove that there is $\\varepsilon > 0$, for which the modularity is a.a.s. at least \\begin{equation*} \\dfrac{2\\left(1 - \\mu\ ight)}{d(G_n)}+\\varepsilon, \\end{equation*} where $\\mu$ is the asymptotically almost sure limit of $\\dfrac{|CC(G_n)|}{n}$.

연구 동기 및 목표

• McDiarmid와 Skerman의 추측을 해결한다. 즉, 랜덤 3-정규 그래프의 모듈라리티가 어떤 δ > 0에 대해 2/3 + δ 이상으로 유계임을 입증한다.
• 랜덤 3-정규 그래프의 모듈라리티에 대한 점점 거의 확실히(а.а.с.) 상한을 향상시킨다.
• 주어진 차수 분포를 가진 랜덤 그래프의 모듈라리티를 초임계 및 초임계 이상의 상황에서 분석하며, 특히 거대 컴포넌트의 역할과 연결 컴포넌트 수에 중점을 둔다.
• 연결 컴포넌트 수와 같은 구조적 파라미터를 포함한 차수 분포에 따라 모듈라리티의 명시적 점점 근사 표현을 도출한다.

제안 방법

• 주어진 차수 분포를 가진 랜덤 그래프를 생성하기 위해 구성 모델을 사용하며, 연결 컴포넌트의 구조와 최대 컴포넌트에 대한 연결성을 분석한다.
• 첫 번째 및 두 번째 모멘트 방법을 적용하여 최대 컴포넌트에 연결된 작은 컴포넌트(비순환, 순환, 또는 다중 간선으로 연결된)의 수를 유계로 제한함으로써 측도 집중을 보장한다.
• Q = \sum_{i \geq 1} i(i-2)p_i 라는 파라미터를 도입하여, p_i가 차수 i를 가진 정점의 극한 비율일 때, Q < 0이면 초임계($ Q < 0 $), Q > 0이면 초임계($ Q > 0 $)로 구분한다.
• 고밀도 부분그래프 $ A'_{\text{max}} $를 식별하기 위해 이중 단계 탐색 과정을 사용하며, 이를 바탕으로 높은 모듈라리티를 달성하는 분할을 구성한다.
• 내부 엣지 밀도와 나머지 그래프에 대한 연결성 분석을 통해 모듈라리티 하한을 도출하며, 반반선의 수와 컴포넌트 크기의 유계를 활용한다.
• 측도 집중 불등식과 확률적 유계를 적용하여, 주요 컴포넌트에 정확히 두 개의 간선으로 연결된 컴포넌트의 수가 기대값 근처에 집중됨을 보이며, 모듈라리티를 엄밀하게 제어할 수 있음을 보장한다.

실험 결과

연구 질문

• RQ1 랜덤 3-정규 그래프의 모듈라리티가 점점 거의 확실히 2/3를 초과하는가? 즉, McDiarmid와 Skerman의 추측을 확인할 수 있는가?
• RQ2 랜덤 3-정규 그래프의 모듈라리티에 대한 점점 거의 확실히(а.а.с.) 최고의 상한은 무엇인가?
• RQ3 차수 분포가 주어진 랜덤 그래프의 모듈라리티는 거대 컴포넌트가 없는 초임계 상황($ Q < 0 $)과 존재하는 초임계 상황($ Q > 0 $)에서 어떻게 다르게 행동하는가?
• RQ4 초임계 상황에서 연결 컴포넌트로 나누는 것에 기반한 비트리비얼 하한을 초월하는 비트리비얼 하한을 확립할 수 있는가?
• RQ5 Q = 0일 때, 즉 차수 분포의 임계 임계점에서 모듈라리티의 점점 근사 행동은 어떠한가?

주요 결과

• 랜덤 3-정규 그래프의 모듈라리티는 거의 확실히 최소 0.667026 이상이며, 이는 McDiarmid와 Skerman의 추측을 확인한다.
• 랜덤 3-정규 그래프의 모듈라리티에 대한 점점 거의 확실히(а.а.с.) 상한이 0.789998으로 향상되었다.
• 초임계 상황($ Q < 0 $)에서는 모듈라리티가 점점 $ 1 - \frac{c}{Mn} + o(\frac{1}{n}) $로 수렴하며, 여기서 $ c $와 $ M $은 차수 분포에 따라 달라진다.
• 초임계 상황($ Q > 0 $)에서는 모듈라리티가 거의 확실히 $ \frac{2(1 - \mu)}{d(G_n)} + \varepsilon $ 이상이다. 여기서 $ \mu = \lim \frac{|CC(G_n)|}{n} $이며, $ d(G_n) $는 평균 차수이다.
• 최대 컴포넌트에 정확히 두 개의 간선으로 연결된 컴포넌트의 수는 $ C_2 \varepsilon'^2 n $ 근처에 집중되어 있으며, 세 개의 간선으로 연결된 컴포넌트의 수는 $ o(n) $ 이하이다. 이는 모듈라리티를 엄밀하게 제어할 수 있음을 보여준다.
• 분석 결과, 연결 컴포넌트 기반 분할에 비해 모듈라리티 향상은 비트리비얼하며, 초임계 상황에서 정량적으로 유계임을 입증한다.