[論文レビュー] Very large graphs

László Lovász|arXiv (Cornell University)|Feb 1, 2009

Limits and Structures in Graph Theory参考文献 51被引用数 6

ひとこと要約

この論文は、インターネットのような非常に大きなネットワークが完全に把握されておらず、間接的サンプリングによってのみ研究可能な数学的課題に焦点を当てる。密度の高いネットワークと疎なネットワークの構造的差異を検討し、疎なネットワークがより実用的に関連性がある一方で、密度の高いネットワークの理論的理解はより発展していることを強調している。また、確率論、代数学、解析学との中間的関係も示している。

ABSTRACT

In the last decade it became apparent that a large number of the most interesting structures and phenomena of the world can be described by networks: separable elements, with connections (or interactions) between certain pairs of them. These huge networks pose exciting challenges for the mathematician. Graph Theory (the mathematical theory of networks) faces novel, unconventional problems: these very large networks (like the Internet) are never completely known, in most cases they are not even well defined. Data about them can be collected only by indirect means like random local sampling. Dense networks (in which a node is adjacent to a positive percent of others nodes) and sparse networks (in which a node has a bounded number of neighbors) show very different behavior. From a practical point of view, sparse networks are more important, but at present we have more complete theoretical results for dense networks. The paper surveys relations with probability, algebra, extrema graph theory, and analysis.

研究の動機と目的

• 非常に大きな、完全に把握されていないネットワーク（例：インターネット）に生じる数学的課題に対処すること。
• 密度の高いネットワーク（辺の密度が正）と疎なネットワーク（次数が有界）の構造的・理論的挙動を比較すること。
• 主に疎なネットワークの理論的ギャップを特定すること、特にその実用的重要性にもかかわらず完全な結果が得られていない点に注目すること。
• グラフ理論と確率論、代数学、解析学といった分野との間の学際的関係を探索すること。

提案手法

• 完全に観測可能でない、または明確に定義されていないネットワークを研究するための間接的サンプリング技術を用いる。
• 不確実性下でのネットワーク挙動のモデル化と分析に、確率論の概念を適用する。
• 極値的グラフ理論を用いて、大規模ネットワークの構造的限界と性質を検討する。
• 大規模ネットワーク構造における漸近的挙動を研究するための解析的手法を統合する。
• 密度の高いネットワークモデルと疎なネットワークモデルの間で理論的結果を比較し、取り扱いやすさの違いを浮き彫りにする。

実験結果

リサーチクエスチョン

• RQ1 非常に大規模なシステムにおける密度の高いネットワークと疎なネットワークの構造的性質には、どのように差異があるか？
• RQ2 完全に把握されていない、または観測できないネットワークを分析するのに最も効果的な数学的ツールは何か？
• RQ3 実用的に疎なネットワークが優勢であるにもかかわらず、なぜ密度の高いネットワークの理論的結果がより完成しているのか？
• RQ4 大規模ネットワークの文脈において、グラフ理論を確率論、代数学、解析学とどのように意味的に結びつけることができるか？

主な発見

• 実世界の応用（例：インターネット）ではより一般的であるが、疎なネットワークは密度の高いネットワークほど理論的に理解が進んでいない。
• 密度の高いネットワークは構造的規則性と高い辺密度のおかげで、より完全な理論的結果を示す。
• 完全に把握されていない、またはアクセス不可能なネットワークを研究するには、間接的サンプリング手法が不可欠である。
• 大規模ネットワークにおけるグラフ理論の理論的進展には、確率論、代数学、解析学との学際的統合が不可欠である。
• 密度の高いネットワークと疎なネットワークの挙動に顕著な違いがあるため、それぞれに別個の分析的手法を要する。