[論文レビュー] Random Apollonian Networks

Tao Zhou, Gang Yan+3 more|arXiv (Cornell University)|Sep 16, 2004

Complex Network Analysis Techniques参考文献 1被引用数 8

ひとこと要約

本稿では、既存の三角形内にランダムにノードを追加することで、スケールフリーネットワークを生成する確率的モデルであるランダムアポロニアンネットワーク（RANs）を紹介する。このモデルは、高いクラスタリング係数と短い平均パス長を有する。解析的に、指数γ = 3のべき乗則的次数分布と、約0.74のクラスタリング係数を導出しており、シミュレーション結果とよく一致する。また、高いクラスタリングのため、BAネットワークと比較して感染症の拡散が遅いことが示された。

ABSTRACT

In this letter, we propose a simple rule that generates scale-free networks with very large clustering coefficient and very small average distance. These networks are called {\bf Random Apollonian Networks}(RANs) as they can be considered as a variation of Apollonian networks. We obtain the analytic result of power-law exponent $γ=3$ and clustering coefficient $C={46/3}-36 exttt{ln}{3/2}\approx 0.74$, which agree very well with the simulation results. We prove that the increasing tendency of average distance of RAN is a little slower than the logarithm of the number of nodes in RAN. Since many real-life networks are both scale-free and small-world, RANs may perform well in mimicking the reality. The epidemic spreading process is also studied, we find that the diseases spread slower in RANs than BA networks in the early stage of SI process, indicating that the large clustering coefficient may slower the spreading velocity especially in the outbreaks.

研究の動機と目的

• スケールフリーネットワークのトポロジーと高いクラスタリング、小規模世界的性質を併せ持つネットワークモデルの構築を目的とする。
• 提案されたモデルの次数分布、クラスタリング係数、平均パス長を解析的におよびシミュレーションによって分析すること。
• RANsにおける感染症の拡散ダイナミクスを、BAネットワークおよびノードン＝ワットズの小規模世界ネットワークと比較すること。
• 複雑ネットワークにおけるクラスタリングが、病気の伝播をどのように遅くするかを調査すること。

提案手法

• 3つのノードからなる三角形から出発し、繰り返しランダムに選択された三角形内に新しいノードを追加し、新規ノードをその三角形の3頂点すべてと接続する。
• ノード次数の進化をモデル化するためのレート方程式を用い、連続的近似を導出し、大規模なNに対して指数γ ≈ 3のべき乗則的次数分布が得られることを示す。
• クラスタリング係数を、C = (46/3) − 36 ln(3/2) ≈ 0.74という式を用いて解析的に導出する。これはネットワークサイズに依存せずにほぼ一定であり、シミュレーション結果とも一致する。
• 平均パス長がlog Nよりもわずかに遅く増加することを示し、RANsが小規模世界的性質を有することを確認する。
• SIモデルを用いて感染症の拡散をシミュレーションし、RANs、BAネットワーク、ノードン＝ワットズの小規模世界ネットワークにおける拡散速度を比較する。
• エッジのスコアs(e)を定義し、エッジeを削除した場合の両端ノード間の最短経路として定義する。三角形に属するエッジ（スコア2）は局所的に重要であることが示され、高いクラスタリングと局所的拡散の遅れが関連していることが明らかになる。

実験結果

リサーチクエスチョン

• RQ1 ランダムアポロニアンネットワークの次数分布はどのようなものか？べき乗則に従うか？
• RQ2 RANsにおけるクラスタリング係数の解析的値は何か？シミュレーション結果と比較するとどうなるか？
• RQ3 RANsにおける平均パス長はネットワークサイズにどのように依存するか？
• RQ4 RANsにおける感染症の拡散プロセスは、BAネットワークおよび小規模世界ネットワークとどのように異なるか？
• RQ5 高いクラスタリングは、複雑ネットワークにおける病気の伝播をどの程度遅くするか？

主な発見

• RANsの次数分布は、γ = 3のべき乗則に従い、大規模ネットワークではγ ≈ 2.93であるシミュレーション結果によって確認された。
• クラスタリング係数は、C = (46/3) − 36 ln(3/2) ≈ 0.74として解析的に導出され、ネットワークサイズに依存せずほぼ一定であり、シミュレーション結果とよく一致する。
• 平均パス長はlog Nよりもわずかに遅く増加し、RANsが小規模世界的性質を有することを確認した。
• 感染症拡散シミュレーションにおいて、アウトブレイク段階ではRANsではBAネットワークよりも病気が遅く拡散した。これは、高いクラスタリングが初期段階の伝播を抑制することを示唆する。
• RANsのエッジの多くはスコア2（つまり、三角形に属する）であり、局所的に重要である。これは、高いクラスタリングを持つネットワークで拡散が遅くなる理由を説明している。
• RANsは、正確に3N − 6本のエッジを持つ最大平面グラフであり、プリント回路などの平面的ネットワークレイアウトを必要とする応用に適している。