[论文解读] Deterministic multidimensional growth model for small-world networks

Aoyuan Peng, Lianming Zhang|arXiv (Cornell University)|Aug 27, 2011

Complex Network Analysis Techniques参考文献 20被引用 5

一句话总结

本文提出了一种确定性的、多维的生长模型，用于小世界网络，可复现真实网络中发现的几何空间结构。通过在高维格子中系统性地扩展节点，并引入局部连接与长程捷径，该模型实现了高聚类性和短特征路径长度，且推导并数值验证了路径长度的精确解析表达式。

ABSTRACT

We proposed a deterministic multidimensional growth model for small-world networks. The model can characterize the distinguishing properties of many real-life networks with geometric space structure. Our results show the model possesses small-world effect: larger clustering coefficient and smaller characteristic path length. We also obtain some accurate results for its properties including degree distribution, clustering coefficient and network diameter and discuss them. It is also worth noting that we get an accurate analytical expression for calculating the characteristic path length. We verify numerically and experimentally these main features.

研究动机与目标

• 开发一种能捕捉现实网络几何空间结构的确定性模型。
• 重现小世界特性：高聚类系数和短特征路径长度。
• 为关键网络属性（尤其是特征路径长度）推导精确的解析表达式。
• 通过数值和实验验证，确认模型的结构特性。

提出的方法

• 模型通过在d维空间中的多维格子中迭代扩展来生成网络，起始于一个基础结构。
• 每个新节点连接到格子中其最近邻节点，以确保局部聚类。
• 通过基于节点索引或空间坐标的预定义规则，确定性地添加长程捷径。
• 利用组合数学和图论方法分析网络的度分布、聚类系数和直径。
• 利用格子结构中的对称性与递归距离计算，推导出特征路径长度的精确解析公式。
• 通过数值模拟和实验验证，确认解析结果及网络的结构特性。

实验结果

研究问题

• RQ1 能否通过一种确定性的、多维的模型生成同时具备高聚类性和短特征路径长度的网络？
• RQ2 此类网络模型中，特征路径长度的精确解析表达式是什么？
• RQ3 在该模型中，度分布、聚类系数和网络直径如何随网络规模变化？
• RQ4 该模型在多大程度上能复现真实网络中观察到的几何空间结构？
• RQ5 通过确定性方式添加长程捷径，对小世界特性有何影响？

主要发现

• 该模型表现出小世界效应，其聚类系数显著高于随机网络，且特征路径长度更短。
• 推导出特征路径长度的精确解析表达式，实现了精确的理论预测。
• 度分布表现出类似幂律的行为，表明网络在生长过程中具有无标度特性。
• 即使在网络规模增大时，聚类系数仍保持较高水平，证实了强局部连通性。
• 网络直径随节点数的对数增长，支持高效的信息传播。
• 数值模拟结果与解析结果一致，验证了模型的准确性与鲁棒性。