[论文解读] Growing Small-World Networks Generated by Attaching to Edges

Zhongzhi Zhang, Lili Rong|arXiv (Cornell University)|Mar 28, 2005

Complex Network Analysis Techniques被引用 3

一句话总结

本文提出一种极简的生长型小世界网络模型，其中新顶点连接到随机选择的边的两个端点，形成稀疏且可平面化的图。该模型表现出指数度分布、约 0.6479 的高聚类系数，以及平均路径长度随网络规模对数或更慢增长，通过解析推导与数值验证确认了小世界特性。

ABSTRACT

We introduce a minimal model of small-world growing network generated by attaching to edges. The produced network is a plane graph which exists in real-life world. We obtain the analytic results of degree distribution decaying exponentially with degree and average clustering coefficient $C={3/2}ln3-1\approx 0.6479$, which are in good agreement with the numerical simulations. We also prove that the increasing tendency of average path length of the considered network is a little slower than the logarithm of the network order $N$.

研究动机与目标

• 开发一种基于边连接的简单、极小化模型，用于生成生长型小世界网络。
• 分析此类网络的几何与拓扑特性，特别是度分布、聚类系数和平均路径长度。
• 证明尽管模型结构简单且具有平面性，仍能生成符合现实的小世界特征。
• 为关键网络度量提供解析解，并通过数值模拟加以验证。

提出的方法

• 网络在每个时间步新增一个顶点，将其连接至一个先前未使用过的随机边的两个端点。
• 该模型保持稀疏性，随着网络规模增大，平均度趋近于 4。
• 主方程 (1) 描述了顶点度分布的时间演化，导出度的指数衰减。
• 通过度依赖贡献的求和，解析推导出聚类系数，得到 $ C = \frac{3}{2}\ln 3 - 1 \approx 0.6479 $。
• 通过递归总距离方程分析平均路径长度，得出 $ \sigma(N) \sim N^2 \ln N $，意味着 $ L(N) \sim \ln N $。
• 该分析假设最短路径不会经过成对顶点中出生时间较晚的顶点，从而实现递归距离计算。

实验结果

研究问题

• RQ1 仅基于边连接的生长网络模型是否能产生小世界特性，如高聚类性和短平均路径长度？
• RQ2 此类网络模型中度分布的解析形式为何？
• RQ3 聚类系数如何随网络规模变化，能否精确计算？
• RQ4 平均路径长度如何随网络阶数增长，其增长是否为对数级或更慢？
• RQ5 该模型能否生成反映现实网络约束的平面图，同时保持小世界特性？

主要发现

• 度分布随度数呈指数衰减，符合 $ P(k) \propto \left(\frac{2}{3}\right)^k $。
• 聚类系数收敛至 $ \frac{3}{2}\ln 3 - 1 \approx 0.6479 $，高于相同平均度的规则晶格。
• 平均路径长度随网络规模 $ N $ 最多以对数速度增长，与小世界行为一致。
• 总距离函数 $ \sigma(N) $ 的尺度为 $ N^2 \ln N $，证实了平均路径长度的对数缩放。
• 该模型生成稀疏且可平面化的图，可在实际系统中实现，如印刷电路与生物静脉网络。
• 度分布、聚类系数与路径长度的解析结果与数值模拟高度一致。