[论文解读] Existence of a persistent hub in the convex preferential attachment model

Pavel Galashin|arXiv (Cornell University)|Oct 28, 2013

Complex Network Analysis Techniques参考文献 13被引用 16

一句话总结

本文证明了在凸偏好附加模型中——即新边根据顶点度数的凸、无界函数加权，优先连接到度数更高的顶点——以概率一存在一个持久的中心节点。证明利用了随机支配、随机游走耦合以及Borel–Cantelli论证，表明在有限时间后，某一顶点将永久性地在度数上占据主导地位，从而将已知的Barabási–Albert模型中的结果推广到更广泛的凸权重函数类别。

ABSTRACT

A vertex of a randomly growing graph is called a persistent hub if at all but finitely many moments of time it has the maximal degree in the graph. We establish the existence of a persistent hub in the Barabási--Albert random graph model with probability one. We also extend this result to the class of convex preferential attachment graphs, where a vertex of degree $k$ gets a new edge with probability proportional to some convex function of $k$.

研究动机与目标

• 在顶点连接权重为度数的凸函数的凸偏好附加模型中，建立持久中心节点存在的证明。
• 将已知的Barabási–Albert模型中持久中心节点的结果推广到更广泛的凸权重函数类别。
• 分析在增长随机网络中，凸偏好附加下顶点长期度数动态行为。
• 证明最大度数增长足够快，且中心节点更替仅以概率一发生有限次。
• 通过变换权重函数，将 $m_0 = 1$ 的情形推广至任意 $m_0 \geq 1$ 的情形。

提出的方法

• 使用耦合论证，将两个顶点之间度数差过程随机支配于一个更简单的随机游走。
• 应用Borel–Cantelli引理，证明度数差仅以概率一有限次为零，从而表明中心节点更替有限。
• 引入变换权重函数 $\mathcal{W}'(n) = \mathcal{W}(n + m_0 - 1)$，将 $m_0 > 1$ 的情形约化为 $m_0 = 1$ 的情形。
• 通过度数向量的马尔可夫链表示，分析两个固定顶点的联合度数演化。
• 通过度数增量的随机支配，比较凸模型与线性（Barabási–Albert）模型。
• 利用在β分布过程中 $A_n / (A_n + B_n)$ 几乎必然收敛于不等于 $1/2$ 的值这一事实，确保度数差的零交叉次数有限。

实验结果

研究问题

• RQ1 在凸偏好附加模型中，以概率一是否存在持久中心节点？
• RQ2 在该类模型中，两个固定顶点的度数演化随时间如何表现？
• RQ3 能否通过权重函数的变换，将 $m_0 > 1$ 的情形约化为 $m_0 = 1$ 的情形？
• RQ4 对权重函数施加何种条件，可确保中心节点更替仅发生有限次？
• RQ5 最大度数的增长速率是否足够快，以保证某一顶点最终永久占据主导地位？

主要发现

• 以概率一，存在一个有限时间，此后某一顶点将永久保持最高度数，从而确立了持久中心节点的存在。
• 任意两个固定顶点之间的度数差过程，被一个几乎必然仅有限次命中零的随机游走所随机支配。
• 在线性模型中，最大度数 $\mathcal{M}_n$ 满足 $\mathcal{M}_n n^{-1/(2+\beta)} \to \mu$ 几乎必然，其中 $\mu$ 是一个正的有限随机变量。
• 对于凸模型，条件 $\sum_{k=1}^\infty \frac{1}{f(k)^2} < \infty$ 是持久中心节点存在的充分条件，当 $f$ 为凸且无界时该条件成立。
• 通过将权重函数变换为 $\mathcal{W}'(n) = \mathcal{W}(n + m_0 - 1)$，将 $m_0 > 1$ 的证明约化为 $m_0 = 1$ 的情形，同时保持必要的随机性质。
• 任一固定顶点的度数可能保持有界，但最大度数增长足够快，足以确保最终由单一顶点永久主导。