[论文解读] Universal rankings in complex input-output organizations

Silvia Bartolucci, Fabio Caccioli+2 more|arXiv (Cornell University)|Sep 14, 2020

Complex Network Analysis Techniques参考文献 29被引用 6

一句话总结

本文提出了一种通用主曲线，通过使用随机公式和副本方法求解投入产出平衡方程，以解析方式描述复杂投入产出系统（如生态系统、经济系统和社会网络）中各组成要素的排名。关键结果是，典型排名由简单的质量缺陷参数决定，且在很大程度上独立于系统特定细节。

ABSTRACT

The input-output balance equation is used to define rankings of constituents in the most diverse complex organizations: the very same tool that helps classify how species of an ecosystems or sectors of an economy interact with each other is useful to determine what sites of the World Wide Web -- or which nodes in a social network -- are the most influential. The basic principle is that constituents of a complex organization can produce outputs whose volume should precisely match the sum of external demand plus inputs absorbed by other constituents to function. The solution typically requires a case-by-case inversion of large matrices, which provides little to no insight on the structural features responsible for the hierarchical organization of resources. Here we show that -- under very general conditions -- the solution of the input-output balance equation for open systems can be described by a universal master curve, which is characterized analytically in terms of simple mass defect parameters -- for instance, the fraction of resources wasted by each species of an ecosystem into the external environment. Our result follows from a stochastic formulation of the interaction matrix between constituents: using the replica method from the physics of disordered systems, the average (or typical) value of the rankings of a generic hierarchy can be computed, whose leading order is shown to be largely independent of the precise details of the system under scrutiny. We test our predictions on systems as diverse as the WWW PageRank, trophic levels of generative models of ecosystems, input-output tables of large economies, and centrality measures of Facebook pages.

研究动机与目标

• 理解复杂投入产出系统中层级资源分配的结构原理。
• 解决投入产出分析中逐案矩阵求逆带来的洞察不足问题。
• 推导一个通用的解析框架，以解释多样化系统中的排名行为。
• 识别决定开放系统中排名分布的通用特征，如质量缺陷参数。

提出的方法

• 使用随机矩阵理论将投入产出平衡方程表述为随机系统。
• 应用统计物理中的副本方法，计算层级中各组成要素的平均排名。
• 基于质量缺陷参数（如资源浪费比例）推导出排名的主导阶解析表达式。
• 通过将预测结果与实证数据对比，验证主曲线在多样化系统中的适用性。
• 使用生态系统生成模型及来自万维网、投入产出表和Facebook的真实数据，测试框架的鲁棒性。

实验结果

研究问题

• RQ1 是否可以构建一个通用的解析框架，以描述多样化复杂投入产出系统中的排名？
• RQ2 哪些结构参数决定了此类系统中组成要素的典型排名？
• RQ3 所得排名在多大程度上独立于相互作用矩阵的具体细节？
• RQ4 质量缺陷参数（如资源浪费）在多大程度上决定了排名分布的形状？
• RQ5 主曲线是否能准确预测现实世界系统（如PageRank和经济投入产出表）中的排名？

主要发现

• 复杂投入产出系统中组成要素的典型排名遵循由随机建模和副本方法推导出的通用主曲线。
• 排名的主导阶行为在很大程度上独立于系统特定细节，仅取决于质量缺陷参数（如资源浪费比例）。
• 主曲线能准确预测多样化系统中的排名，包括万维网上PageRank、生态系统模型中的营养级和Facebook网络中的中心性。
• 实证验证显示，预测排名与大型经济体投入产出表中的观测排名高度一致。
• 该解析解避免了逐案矩阵求逆的需要，为层级结构的形成机制提供了深刻洞察。
• 该框架揭示，资源浪费和相互作用稀疏性是塑造排名分布通用形态的关键因素。