[论文解读] Vulnerability and Hierarchy of Complex Networks

Vladimir Gol’dshtein, Gennady A. Koganov+1 more|arXiv (Cornell University)|Sep 13, 2004

Opinion Dynamics and Social Influence被引用 71

一句话总结

本文提出一种基于脆弱性的方法来量化复杂网络中的层级结构，区分显式层级与隐性层级。提出两种度量方法——系统脆弱性 $V$ 和点脆弱性相对方差 $h$，用于评估层级结构，表明 $h$ 能有效捕捉随机网络中的‘自然’层级水平，该水平关键取决于节点数与边数之比 $\delta = N/E$。

ABSTRACT

We suggest an approach to study hierarchy, especially hidden one, of complex networks based on the analysis of their vulnerability. Two quantities are proposed as a measure of network hierarchy. The first one is the system vulnerability V. We show that being quite suitable for regular networks this characteristic does not allow one to estimate the hierarchy of large random networks. The second quantity is a relative variance h of the system vulnerability that allows us to characterize a "natural" hierarchy level of random networks. We find that hierarchical properties of random networks depend crucially on a ratio between the number of nodes and the number of edges. We note that any graph with a transitive isometry group action (i.e. an absolutely symmetric graph) is not hierarchical. Breaking such a symmetry leads to appearance of hierarchy.

研究动机与目标

• 开发一种定量方法，用于检测复杂网络中的显式与隐性层级结构。
• 解决传统脆弱性度量在表征大规模随机网络层级结构方面的局限性。
• 识别一种统计量，能够捕捉随机化网络中的内在层级水平，即使在结构随机的情况下亦然。
• 研究边密度（通过 $\delta = N/E$）在决定随机网络层级水平中的作用。
• 建立一个适用于现实世界网络的框架，通过脆弱性分析评估其结构层级。

提出的方法

• 定义点脆弱性 $V(i) = \frac{E - E(i)}{E}$，其中 $E$ 为全局网络效率，$E(i)$ 为移除顶点 $i$ 后的效率。
• 将最大值 $V = \max_i V(i)$ 作为规则网络的系统级脆弱性度量。
• 引入相对方差 $h = \text{Var}[V(i)] / \mathbb{E}[V(i)]^2$ 作为层级结构的精细化度量，尤其适用于随机网络。
• 应用保持 $\delta = N/E$ 比值不变的随机化程序，生成随机化网络集合。
• 分析 $h$ 随系统规模 $N$ 和 $\delta$ 的渐近行为，以识别层级趋势。
• 在不同网络类型（如蜘蛛状、环面状、理想型）之间进行比较，揭示 $\delta$ 如何控制随机系统中的层级结构。

实验结果

研究问题

• RQ1 当传统基于度数的方法失效时，如何对复杂网络中的隐性层级进行定量测量？
• RQ2 为何标准系统脆弱性 $V$ 无法表征大规模随机网络中的层级结构？
• RQ3 脆弱性的何种统计特性可作为随机化网络中层级结构的稳健度量？
• RQ4 节点与边之比 $\delta = N/E$ 如何影响随机网络中的层级水平？
• RQ5 对称性（如传递性等距群）在多大程度上会排除网络中层级结构的存在？

主要发现

• 具有传递性等距群作用的网络（如环面状、环状）不具备层级结构，因为所有顶点的脆弱性 $V(i) = \text{const}$。
• 蜘蛛状网络表现出最大层级结构，其 $V = 1$，因为移除中心顶点将导致网络完全崩溃。
• 点脆弱性相对方差 $h$ 是比 $V$ 更为敏感和有效的层级结构度量，尤其适用于随机网络。
• 对于随机网络，$h$ 随 $\delta = N/E$ 增大而增加：$h \to 0$ 对于理想网络（$\delta \to 0$），而 $h \sim 1$ 或更大对于蜘蛛状网络（$\delta \sim 1$）。
• 比值 $\delta = N/E$ 发挥关键控制参数作用：$\delta$ 越高（边越少），随机化网络中的层级结构越显著。
• 随机化网络通过 $\delta$ 保留其母拓扑的‘记忆’，该参数决定了其内在的层级水平 $h(\delta)$。