[论文解读] A steady state model for graph power laws

David Eppstein, Joseph Wang|arXiv (Cornell University)|Mar 30, 2002

Complex Network Analysis Techniques参考文献 22被引用 34

一句话总结

本文提出一种稳态图模型，通过在固定大小的图中进行边重连的马尔可夫过程，无需增量增长即可生成幂律度分布。该模型通过边替换过程中的优先连接实现幂律分布，证明了增长并非产生幂律行为的必要条件，并引入一种新颖的聚类度量 $d_{\text{max}}$，用于评估模型与真实网络图的拟合度。

ABSTRACT

Power law distribution seems to be an important characteristic of web graphs. Several existing web graph models generate power law graphs by adding new vertices and non-uniform edge connectivities to existing graphs. Researchers have conjectured that preferential connectivity and incremental growth are both required for the power law distribution. In this paper, we propose a different web graph model with power law distribution that does not require incremental growth. We also provide a comparison of our model with several others in their ability to predict web graph clustering behavior.

研究动机与目标

• 挑战主流猜想，即认为网络图中幂律度分布的产生必须同时依赖增量增长和优先连接。
• 开发一种简单、无增长的图模型，通过边重连过程仍能生成幂律度分布。
• 提出一种计算高效的图属性 $d_{\text{max}}$，用于量化聚类行为，而无需枚举子图。
• 使用 $d_{\text{max}}$ 作为聚类度量，将所提模型与现有模型（如 ACL、Barabási-Albert）在真实网络爬取数据上进行比较。
• 识别现有模型的局限性，并为更真实的网络图生成提供未来研究方向。

提出的方法

• 模型维持一个固定大小的图，包含 $n$ 个顶点和 $m = \Theta(n)$ 条边，初始为稀疏随机图。
• 通过迭代执行边重连操作：随机选择一条边 $(u,v)$，将其移除，并用一条新边 $(x,y)$ 替代，其中 $x$ 均匀随机选择，$y$ 按度数成比例选择。
• 该过程被建模为一个非周期的马尔可夫链，收敛至与初始条件无关的极限分布。
• $d_{\text{max}}$ 度量通过最小度顶点删除序列计算，其中 $d_{\text{max}}$ 是顶点删除过程中观察到的最大度数。
• 在 $500 \leq n \leq 5000$ 的图上运行模拟，共执行 10,000,000 次边操作，边密度满足 $1 \leq m/n \leq 3$。
• 使用 $d_{\text{max}}$ 作为聚类保真度度量，将模型与真实网络爬取数据及 ACL 模型进行比较。

实验结果

研究问题

• RQ1 在不依赖增量增长的情况下，仅通过边重连能否使幂律度分布出现在图中？
• RQ2 所提出的稳态模型在复制真实网络图的聚类特性方面，与基于增长的模型（如 Barabási-Albert）及 ACL 模型相比表现如何？
• RQ3 $d_{\text{max}}$ 度量是否可作为无需完整枚举子图的图聚类行为的可靠且高效的代理指标？
• RQ4 现有模型（如 ACL 和 Barabási-Albert）是否未能捕捉真实网络图中观察到的聚类密度？
• RQ5 稳态边重连过程的理论与计算特性（如收敛时间与极限分布）是什么？

主要发现

• 该稳态模型在经过足够多的边重连操作后，成功在度序列中生成幂律度分布，证明了增长并非产生幂律分布的必要条件。
• $d_{\text{max}}$ 度量能有效捕捉聚类行为，且可高效计算，无需枚举所有子图。
• ACL 模型与所提的 SS 模型产生的 $d_{\text{max}}$ 值均显著低于真实网络图，表明其聚类密度不足。
• 例如，在 arizona 网站（$n=5315$）中，真实 $d_{\text{max}}$ 为 15，而 ACL 模型的 $\mu_{\text{ACL}} = 10$，SS 模型的 $\mu_{\text{SS}} = 8$，两者均低于真实值。
• 在所有测试站点中，SS 模型的 $d_{\text{max}}$ 值始终低于真实网络数据，表明其对聚类的估计偏低。
• 观察 1 表明，基于增长的模型（如 Barabási-Albert）的 $d_{\text{max}} = d = m/n$，这可能无法反映真实图中存在低于平均度数的顶点的情况。