[论文解读] An Empirical Investigation on Important Subgraphs in Cooperation-Competition networks

Ao Feng, Chunhua Fu+5 more|arXiv (Cornell University)|May 7, 2011

Complex Network Analysis Techniques参考文献 1被引用 3

一句话总结

本文研究了合作-竞争网络中活动度的分布——活动度被定义为二元组和三元组所参与的活动、事件或组织的数量。基于真实世界系统中的实证数据，本文识别出活动度服从偏移幂律（SPL）分布，并引入异质性指数 H 以量化参与的不均衡性，通过解析方法将 H 与 SPL 参数 α 和 γ 关联起来，为评估复杂网络中子图的重要性提供了一个框架。

ABSTRACT

Subgraphs are very important for understanding structure and function of complex networks. Dyad and triad are the elementary subgraphs. We focus on the distribution of their act degree defined as the number of activities, events or organizations they join, which indicates the importance of the subgraphs. The empirical studies show that, in a lot of real world systems, the dyad or triad act degree distributions follow "shifted power law" (SPL), where α and γ are constants. We defined a "heterogeneity index", H, to describe how it is uneven and analytically deduced the correlation between H and α and γ. This manuscript, which shows the details of the empirical studies, serves as an online supplement of a paper submitted to a journal.

研究动机与目标

• 理解子图（尤其是二元组和三元组）在合作-竞争网络中的结构与功能角色。
• 分析真实世界系统中子图活动度（定义为涉及子图的活动或事件数量）的分布。
• 通过一种新型异质性指数 H 量化子图参与的不均衡性。
• 建立异质性指数 H 与偏移幂律（SPL）分布参数 α 和 γ 之间的解析关系。
• 为识别复杂网络中重要子图提供实证与理论基础。

提出的方法

• 对真实世界合作-竞争网络进行实证分析，以提取二元组和三元组的活动度分布。
• 采用偏移幂律（SPL）形式对活动度分布进行建模：P(k) ∝ (k + γ)^{-α}，其中 k 为活动度。
• 定义异质性指数 H 以衡量子图间活动度分布的不均衡性。
• 通过解析推导建立 H 与 SPL 参数 α 和 γ 之间的函数关系。
• 使用统计拟合与可视化方法在多个数据集中验证 SPL 模型。
• 将结果以补充在线资源形式呈现，以支持期刊投稿。

实验结果

研究问题

• RQ1 合作-竞争网络中二元组和三元组的活动度经验分布是什么？
• RQ2 偏移幂律（SPL）模型如何描述真实世界系统中子图的活动度分布？
• RQ3 异质性指数 H 与 SPL 参数 α 和 γ 之间的关系是什么？
• RQ4 异质性指数 H 在多大程度上捕捉了子图参与的不均衡性？
• RQ5 H、α 和 γ 之间的解析关联关系是否可在多种合作-竞争网络中得到验证？

主要发现

• 多个真实世界合作-竞争网络中，二元组和三元组的活动度分布均符合偏移幂律（SPL）分布。
• SPL 模型由两个参数表征：α（幂律指数）和 γ（偏移参数），二者共同决定分布的形状。
• 成功定义了异质性指数 H，用于量化网络中子图参与的不均衡性。
• 推导出 H 与 SPL 参数 α 和 γ 之间的解析关系，表明 H 随 α 增大而增加，随 γ 增大而减小。
• 在多种数据集上的实证验证证实了 SPL 模型的稳健性，以及 H–α–γ 关系的预测能力。
• 本研究通过活动度分析，为识别复杂网络中结构和功能上重要的子图奠定了基础。