[论文解读] How to generate a random growing network

S. N. Dorogovt︠s︡ev, J. F. F. Mendes+1 more|arXiv (Cornell University)|Jun 9, 2002

Greenhouse Technology and Climate Control被引用 3

一句话总结

本文提出了一种随机边变换方法，用于生成具有可调重尾度分布和任意聚类特性的随机增长网络。通过以指定概率递归地将边转换为新的配置，该模型能够生成具有可控聚类的无标度网络，弥合了确定性和随机 preferential attachment 模型之间的差距，并为演化网络提供了实空间重整化群方法。

ABSTRACT

We propose a construction procedure which generates a wide class of random evolving networks with fat-tailed degree distributions and an arbitrary clustering. This procedure applies the stochastic transformations of edges, which can be used as the basis of a real space renormalization group for evolving networks.

研究动机与目标

• 开发一种随机增长网络的一般性构建方法，以捕捉现实世界网络的关键特征，如重尾度分布和强聚类。
• 在基于边层面随机变换的统一框架下，统一确定性和随机网络增长模型。
• 在保持幂律度分布的同时，实现对聚类的任意控制，克服现有模型（如 Barabási-Albert 或 Watts-Strogatz）的局限性。
• 为将实空间重整化群技术应用于非平衡、演化网络奠定基础。

提出的方法

• 网络通过边的随机递归变换演化，其中每条边以给定概率被替换为新的边和顶点配置。
• 变换定义为：在每个时间步，每条边独立地被替换为若干可能的子图配置之一，且具有指定概率。
• 通过调整边变换过程中形成闭合三角形或其他局部结构的概率，可实现任意聚类。
• 该方法在 p→0 时推广 Barabási-Albert 模型，在 p=1 时推广确定性无标度网络，中间 p 值产生中间聚类水平。
• 变换过程可生成孤立连通分量和复杂拓扑结构，包括小世界特性。
• 该框架在形式上类似于统计物理中用于无序格点模型的实空间重整化群技术，使对演化网络的解析处理成为可能。

实验结果

研究问题

• RQ1 如何构建一种随机增长网络，使其同时表现出重尾度分布和可调聚类？
• RQ2 哪些边上的随机变换规则可以重现已知的网络增长模型，如 Barabási-Albert 或确定性无标度网络？
• RQ3 能否开发一种统一框架，实现对确定性和随机网络增长机制的插值？
• RQ4 边基变换过程如何使实空间重整化群方法适用于非平衡网络？
• RQ5 变换概率 p 与网络最终聚类和度分布之间的关系是什么？

主要发现

• 所提方法生成的网络具有幂律度分布，当 p→0 且 p≠0 时，幂律指数 γ=3，与 Barabási-Albert 模型一致。
• 当 p=1 时，模型生成高聚类的确定性无标度网络，与早期构造结果一致。
• 当 p→0 但 p≠0 时，图 1(c) 中的变换重现了低聚类的 Barabási-Albert 模型，表明该框架具有连续性。
• 通过调整变换规则，该模型可实现对聚类的任意控制，从而可构建具有期望聚类系数的网络。
• 该框架支持小世界效应和孤立连通分量的出现，具体取决于变换规则。
• 随机边变换过程为演化网络的实空间重整化群分析提供了自然基础，扩展了统计物理中的技术。