[论文解读] Exactly scale-free scale-free networks

Linjun Zhang, Michael Small+1 more|arXiv (Cornell University)|Sep 4, 2013

Complex Network Analysis Techniques参考文献 28被引用 5

一句话总结

本文提出一种最大熵过程，用于生成无偏见的、典型的无标度网络实现，与优先连接（PA）产生的有偏见的“枢纽中心”结构形成对比。通过使用边交换和统计模拟，研究证明PA网络是非典型的，揭示了广泛引用的无标度网络‘脆弱性’实际上是PA结构偏差的产物，而非无标度网络的一般特性。

ABSTRACT

Many complex natural and physical systems exhibit patterns of interconnection that conform, approximately, to a network structure referred to as scale-free. Preferential attachment is one of many algorithms that have been introduced to model the growth and structure of scale-free networks. With so many different models of scale-free networks it is unclear what properties of scale-free networks are typical, and what properties are peculiarities of a particular growth or construction process. We propose a simple maximum entropy process which provides the best representation of what are typical properties of scale-free networks, and provides a standard against which real and algorithmically generated networks can be compared. As an example we consider preferential attachment and find that this particular growth model does not yield typical realizations of scale-free networks. In particular, the widely discussed "fragility" of scale-free networks is actually found to be due to the peculiar "hub-centric" structure of preferential attachment networks. We provide a method to generate or remove this latent hub-centric bias --- thereby demonstrating exactly which features of preferential attachment networks are atypical of the broader class of scale-free networks. We are also able to statistically demonstrate whether real networks are typical realizations of scale-free networks, or networks with that particular degree distribution; using a new surrogate generation method for complex networks, exactly analogous the the widely used surrogate tests of nonlinear time series analysis.

研究动机与目标

• 识别并隔离无标度网络的典型结构特性，独立于特定的生长机制（如优先连接）
• 解决缺乏标准来将真实网络与算法生成网络与无标度网络的代表性集合进行比较的问题
• 证明广泛引用的无标度网络特性（如脆弱性）并非普遍特性，而是特定网络生成过程的产物
• 开发一种类似时间序列模拟测试的模拟网络生成方法，以统计评估真实网络是否为无标度网络的典型实现

提出的方法

• 提出一种最大熵过程，以在度序列约束下生成无偏见的、统计上具有代表性的无标度网络实现，确保最大熵
• 使用边交换算法（例如，在高、低度节点之间交换边）来修改网络结构，同时保持度序列不变，从而降低枢纽中心性
• 引入两种修改算法：一种用于‘分散’枢纽（去中心化），一种用于‘集中’枢纽（中心化），以将PA网络向或远离最大熵标准转化
• 应用基于最大熵的模拟网络生成方法，类似于非线性时间序列模拟测试，以评估真实网络是否为无标度集合的典型实现
• 通过比较原始网络、修改后网络与模拟网络的网络统计量（如度分布、聚类系数、路径长度）进行统计分析，以检测结构偏差
• 基于度百分位数（例如，α₁=60%，α₂=5%，α₃=0.5%）定义‘差’、‘优’和‘巨量’节点，以指导有针对性的边修改与结构重组

实验结果

研究问题

• RQ1 归因于无标度网络的结构性质（如脆弱性）是否代表了整个无标度网络类，还是仅特定于某些生成过程？
• RQ2 优先连接在多大程度上由于‘枢纽中心’偏差而产生无标度网络的非典型实现？
• RQ3 最大熵过程能否生成一个具有代表性的无标度网络集合，作为评估真实网络与算法生成网络的公平基准？
• RQ4 如何将模拟网络生成方法适配以测试现实世界网络在统计上是否为无标度类的典型实现？

主要发现

• 优先连接网络表现出强烈的‘枢纽中心’偏差，即少数高度连接的节点主导了网络结构，使其成为无标度网络整体类中的非典型实现
• 广泛引用的无标度网络‘脆弱性’（即对枢纽节点的针对性攻击敏感）被证明是优先连接过程的产物，而非无标度网络的一般特性
• 通过应用所提出的边交换与修改算法，PA网络可被调整以降低枢纽中心性，并更好地匹配最大熵无标度网络的统计特性
• 反向修改过程（算法3）成功地将最大熵网络转化为PA结构，证实枢纽中心结构是PA生长机制的直接结果
• 基于最大熵框架的统计模拟测试表明，许多被声称属于无标度类的真实网络并非该集合的统计典型实现
• 该方法成功地将度分布与结构偏差解耦，表明仅具有幂律度分布并不能意味着典型的无标度网络行为