[论文解读] Random graphs as models of networks

M. E. J. Newman|arXiv (Cornell University)|Feb 12, 2002

Complex Network Analysis Techniques被引用 238

一句话总结

本文综述了广义随机图模型，通过引入任意度分布和聚类，解决了经典Erdős–Rényi模型在建模现实世界网络时的关键局限性，实现了更精确的网络模拟。其主要贡献在于构建了一个在保持解析可解性的同时，能够捕捉真实网络特性（如重尾度分布和高聚类系数）的框架。

ABSTRACT

The random graph of Erdos and Renyi is one of the oldest and best studied models of a network, and possesses the considerable advantage of being exactly solvable for many of its average properties. However, as a model of real-world networks such as the Internet, social networks or biological networks it leaves a lot to be desired. In particular, it differs from real networks in two crucial ways: it lacks network clustering or transitivity, and it has an unrealistic Poissonian degree distribution. In this paper we review some recent work on generalizations of the random graph aimed at correcting these shortcomings. We describe generalized random graph models of both directed and undirected networks that incorporate arbitrary non-Poisson degree distributions, and extensions of these models that incorporate clustering too. We also describe two recent applications of random graph models to the problems of network robustness and of epidemics spreading on contact networks.

研究动机与目标

• 解决经典Erdős–Rényi随机图模型在表征现实世界网络时的局限性。
• 克服该模型无法捕捉非泊松度分布以及缺乏聚类或传递性的问题。
• 开发具备解析可解性的模型，以整合现实网络特征，如重尾度分布和高聚类。
• 将该框架扩展至有向和无向网络，以扩大其适用范围。
• 将广义模型应用于研究网络鲁棒性及接触网络中的流行病传播。

提出的方法

• 使用配置模型生成具有任意度分布的随机图，替代Erdős–Rényi模型中的泊松度分布。
• 提出一种广义随机图模型，其中边存在的概率依赖于顶点的度，从而允许任意度分布。
• 通过添加三角形或局部聚类结构来引入聚类，同时保持度序列不变。
• 将该模型应用于研究具有异质度分布的网络中的相变和渗透阈值。
• 通过将SIR模型映射到网络结构并计算爆发阈值，利用该模型分析流行病传播。
• 利用平均场近似和生成函数技术，在大网络极限下推导出精确的解析结果。

实验结果

研究问题

• RQ1 如何将随机图模型广义化，以整合现实世界中非泊松的度分布？
• RQ2 哪些机制能够在不损失解析可解性的前提下，将聚类或传递性纳入随机图模型？
• RQ3 广义随机图模型如何影响巨大连通分量的形成及渗透阈值？
• RQ4 这些模型在多大程度上能准确表征现实世界网络，如互联网、社交网络或生物网络？
• RQ5 网络结构和度异质性在多大程度上影响接触网络中流行病的传播？

主要发现

• 具有任意度分布的广义随机图模型能够对关键网络特性实现精确的解析求解，扩展了原始Erdős–Rényi模型的可解性。
• 该模型成功捕捉了现实网络中观察到的重尾度分布，例如万维网和社交网络中常见的幂律行为。
• 引入聚类显著提高了聚类系数，使其更接近真实网络中的观测值——例如，从Erdős–Rényi模型中的约0.0006提升至互联网自治系统网络中的0.24。
• 巨大连通分量形成的相变发生在临界平均度z=1，与平均场渗透理论一致，但度异质性的存在改变了相变的性质。
• 对于具有宽泛度分布的网络，疾病传播的流行病阈值显著降低，表明其对爆发具有更高的易感性。
• 该模型为预测复杂系统中网络鲁棒性和流行病阈值提供了框架，可应用于基础设施和生物网络。