网络科学导论3

第三章 网络基本拓扑性质

本章重点

• 实际网络的连通性：无向网络中的巨片、有向网络的蝴蝶结结构
• 网络小世界性质刻画：平均路径长度与聚类系数
• 网络均匀性程度刻画：泊松度分布和幂律度分布

3.1 引言

• 在图论中

  • 割点：去除某个定点使得一个图由连通变为不连通；
  • 桥：去除某条边使得一个图由连通变为不连通。

• 在网络科学中（大规模）

  • 要去除多少节点或者边才能对网络的某个性质产生实质性的影响？
  • 不同的去除策略是否会产生不同的结果？
  • 对网络的某种性质如何提高其对节点和边的去除鲁棒性等。

3.2 复杂网络的连通性

3.2.1 无向网络中的巨片

• 巨片(giant component)
  许多实际的大规模复杂网络都是不连通的，但是往往含有一个特别大的连通片，其包含了整个网络相当比例的节点，这便是巨片。

3.2.2 有向网络的蝴蝶结结构

• 实际网络既不是强连通也非弱连通，但往往包含了一个很大的弱连通片，称为弱连通巨片(GWCC),往往具有四个部分的蝴蝶结结构：
  

  • 强连通核（SCC）：也称强连通巨片，位于网络中心，任意两个节点都是强连通的，存在从任意一个节点到另一个节点的有向路径；
  • 入部（IN）：可到达SCC，但不能从SCC到达；
  • 出部（OUT）：从SCC到达，但不能到达SCC；
  • 卷须（Tendrils）：既不能从SCC到达，也不能到达SCC；
  • 管子（Tube）：由卷须节点串起来的有向路径。

3.3 节点的度与网络稀疏性

3.3.1 度与平均度

在无向网络中

• 节点$i$的度$k_i$：与节点直接相连的边的数目
• 平均度$⟨k⟩$：所有节点的度的平均值
• 给定网络G的邻接矩阵$A=(a_{ij}{)}_{N\times N}$,有
  $$k_i=\sum _{j=1}^N{a}_{ij}=\sum _{j=1}^N{a}_{ji},\text{\hspace{1em}(3.1)}$$
  $$⟨k⟩=\frac{1}{N}\sum _{i=1}^N{k}_i=\frac{1}{N}\sum _{i,j=1}^N{a}_{ij},\text{\hspace{1em}(3.2)}$$
• 网络节点的度与网络边数M之间的关系
  $$2M=N⟨k⟩=\sum _{i=1}^N{k}_i=\sum _{i,j=1}^N{a}_{ij},\text{\hspace{1em}(3.3)}$$
  从而
  $$M=\frac{1}{2}N⟨k⟩=\frac{1}{2}\sum _{i=1}^N{k}_i=\frac{1}{2}\sum _{i,j=1}^N{a}_{ij},\text{\hspace{1em}(3.4)}$$
  $$⟨k⟩=\frac{2M}{N},\text{\hspace{1em}(3.5)}$$

3.3.2 入度与出度

• 入度($k_i^{in}$)：从其他节点指向节点$i$的边的数目

• 出度($k_i^{out}$)：从节点$i$指向其他节点的边的数目

• 用邻接矩阵元素表示为：
  $$k_i^{out}=\sum _{j=1}^N{a}_{ij},k_i^{in}=\sum _{j=1}^N{a}_{ji},\text{\hspace{1em}(3.6)}$$

• 在有向网络中：网络平均出度与平均入度相同，即为：
  $$⟨k^{out}⟩=⟨k^{in}⟩=\frac{1}{N}\sum _{i,j=1}^N{a}_{ij}=\frac{M}{N}\text{\hspace{1em}(3.7)}$$

• 在加权网络中，还可以加上权值矩阵$W=w_{ij}$，定义节点$i$的强度为$s_i$:

  • 无向加权：
    $$s_i=\sum _{j=1}^N{w}_{ij},\text{\hspace{1em}(3.8)}$$
  • 有向加权：
    $$s_i^{out}=\sum _{j=1}^N{w}_{ij},s_i^{in}=\sum _{j=1}^N{w}_{ij}\text{\hspace{1em}(3.9)}$$

3.3.3 网络稀疏性与稠密化

• 网络的密度$\rho$：可能存在的边数目与最大可能边数的比值

  • 无向网络：
    $$\rho =\frac{M}{\frac{1}{2}N(N-1)},\text{\hspace{1em}(3.10a)}$$
  • 有向网络：
    $$\rho =\frac{M}{N(N-1)},\text{\hspace{1em}(3.10b)}$$

• 平均度$⟨k⟩$是一个更为合理的刻画网络稀疏性的指标：
  $$⟨k⟩=\frac{2M}{N}=\rho (N-1)\approx \rho N,\text{\hspace{1em}(3.11)}$$

• 时刻$t$网络中的节点数为$N(t)$,边数为$M(t)$，实际网络的演化服从超线性关系，也称为稠密化幂律：
  $$M(t)\sim N^{\alpha }(t),1<\alpha <2.\text{\hspace{1em}(3.12)}$$

  • 实际网络会随着时间变得越来越稠密
  • 与全耦合网络相比，仍属于稀疏网络

  对（3.12）两边取对数：
  $$\ln M(t)\approx \alpha (\ln N(t))+C,1<\alpha <2.\text{\hspace{1em}(3.13)}$$
  很容易得出，可以创建一个双对数坐标系来描述上述这一线性关系，斜率显然为$\alpha \in (1,2)$。

3.4 平均路径长度与直径

3.4.1 无权无向网络情形

• 平均路径长度

  • 最短路径也称测地线路径：边数最少的路径。定义节点$i$到$j$最短路径上边的数目为$d_{ij}$，称其为测地距离或者跳跃距离。
  • 最短路径的求法：广度优先搜索算法
  • 平均路径长度$L$：任意两个节点之间距离的平均值，也称为特征路径长度或平均距离。即为
    $$L=\frac{1}{\frac{1}{2}N(N-1)}\sum _{i\ge j}{d}_{ij},\text{\hspace{1em}(3.14)}$$
    式（3.14）存在一个问题，当存在不连通节点时，$d_{ij}=\infty$，这就导致$L$也为无穷大，造成发散问题，于是在这里提出简谐平均，
    即为：
    $$L=\frac{1}{GE},GE=\frac{1}{\frac{1}{2}N(N-1)}\sum _{i\ge j}\frac{1}{d_{ij}},\text{\hspace{1em}(3.15)}$$
    很显然，当节点对之间无路径时，对应的距离的倒数为0，这也就解决了上述的发散问题。$GE$称为全局效率。

• 网络直径（Diameter）
  网络中任意两个节点之间的（有限距离）最大距离称为网络的直径，记为$D$：
  $$D=\underset{i,j}{\max }{d}_{ij},\text{\hspace{1em}(3.16)}$$
  一般的，如果整数$D$满足：
  $$g(D-1)<0.9,g(D)\ge 0.9，\text{\hspace{1em}(3.17)}$$
  (其中$g(d)$为网络中距离不超过$d$的节点对数量占总节点对数量的比例)，那么就成$D$为网络的有效直径。利用插值推广到非整数为：
  $$g(r)=g(d)+(g(d+1)-g(d))(r-d),(d\le r<d+1).\text{\hspace{1em}(3.18)}$$

• 许多实际网络的直径与有效直径都呈现出越来越小的趋势，称为直径收缩现象。

3.4.2 加权有向网络情形

• 最短路径的求法：迪杰斯特拉算法（Dijkstra算法）
  设G=(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合（用S表示，初始时S中只有一个源点，以后每求得一条最短路径, 就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了），第二组为其余未确定最短路径的顶点集合（用U表示），按最短路径长度的递增次序依次把第二组的顶点加入S中。在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是从v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
  
  
  

3.5 聚类系数

3.5.1 无权无向网络情形

• 网络中度为$k_i$的节点$i$：如果这$k_i$个邻居节点两两互为邻居，则存在$\frac{1}{2}{k}_i(k_i-1)$条边。又在实际网络中，设节点$i$的$k_i$个邻居节点之间实际存在的边数为$E_i$，则节点$i$的聚类系数$C_i$定义为：
  $$C_i=\frac{E_i}{C_{k_i}^2}=\frac{2E_i}{k_i(k_i-1)},\text{\hspace{1em}(3.19)}$$

• 等价定义：
  $$C_i=\frac{连接到顶点i的三角形个数}{连接到顶点i的三元组的个数},\text{\hspace{1em}(3.20)}$$

• 邻接矩阵$A=(a_{ij}{)}_{N\times N}$求解聚类系数$C_i$

  • 包含节点$i$的三角形个数
    $$E_i=\frac{1}{2}\sum _{j,k}{a}_{ij}{a}_{jk}{a}_{ki}=\sum _{k>j}{a}_{ij}{a}_{jk}{a}_{ki}.\text{\hspace{1em}(3.21)}$$

  所以聚类系数$C_i$可以计算为：
  $$C_i=\frac{2E_i}{k_i(k_i-1)}=\frac{1}{k_i(k_i-1)}\sum _{j,k=1}^N{a}_{ij}{a}_{jk}{a}_{ki},\text{\hspace{1em}(3.22)}$$
  或者：
  $$C_i=\frac{连接到顶点i的三角形个数}{连接到顶点i的三元组的个数}=\frac{{\sum }_{j\ne i,k\ne j,k\ne i}{a}_{ij}{a}_{jk}{a}_{ki}}{{\sum }_{j\ne i,k\ne i}{a}_{ij}{a}_{ki}},\text{\hspace{1em}(3.23)}$$

• 整个网络的聚类系数$C$定义为网络中所有节点聚类系数的平均值
  $$C=\frac{1}{N}\sum _{i=1}^N{C}_i.\text{\hspace{1em}(3.24)}$$
  显然有$0\le C\le 1$。$C=1$代表全局耦合，$C=0$代表所有节点的聚类系数皆为0。

• 社会学定义
  $$C=\frac{网络中三角形的数目}{网络中三元组的数目/3}.\text{\hspace{1em}(3.25)}$$

• 在网络科学中会关注一类节点的整体行为或平均行为，在已知各节点聚类系数的基础上，可计算得到度为$k$的节点的聚类系数的平均值，于是便得到聚类系数表示为节点度的函数：
  $$C(k)=\frac{{\sum }_i{C}_i{\delta }_{k{k}_i}}{{\sum }_i{\delta }_{k{k}_i}}.\text{\hspace{1em}(3.26)}$$
  其中：
  $$\delta =\{\begin{array}{ll}1,& k_i=k,\\ 0,& k_i\ne k.\end{array}\text{\hspace{1em}(3.27)}$$
  对许多实际网络，$C(k)$具有幂律形式：$C(k)\sim k^{-\alpha }(\alpha >0)$，反映了网络具有层次结构。

3.5.2 加权网络情形

• 加权网络$G$，邻接矩阵$A=(a_{ij})$和非负的权值矩阵$W=(w_{ij})$，由无权网络对节点聚类系数的定义（3.22）可得到加权形式的聚类系数：
  $$\widetilde{C_i}=\frac{1}{k_i(k_i-1)}\sum _{j,k}{w}_{ijk}{a}_{ij}{a}_{jk}{a}_{ki},\text{\hspace{1em}(3.28)}$$

  • 对$w_{ijk}$的取法1：
    取为节点$i$与其两个邻居节点$j$和$k$之间两条边的归一化平均值：
    $$w_{ijk}=\frac{1}{⟨w_i⟩}\frac{w_{ij}+w_{ik}}{2}.\text{\hspace{1em}(3.29)}$$
    其中：
    $$⟨w_i⟩=\frac{1}{k_i}\sum _i{w}_{ij}.\text{\hspace{1em}(3.30)}$$
    于是可以得到
    $${\widetilde{C_i}}^{(1)}=\frac{1}{k_i(k_i-1)}\sum _{j,k}\frac{1}{⟨w_i⟩}\frac{w_{ij}+w_{ik}}{2}{a}_{ij}{a}_{jk}{a}_{ki},\text{\hspace{1em}(3.31)}$$
    对节点$i$的强度$s_i$满足
    $$s_i=\sum _j{w}_{ij}=k_i(\frac{s_i}{k_i})=k_i⟨w_i⟩.\text{\hspace{1em}(3.32)}$$
    于是得到：
    $${\widetilde{C_i}}^{(1)}=\frac{1}{s_i(k_i-1)}\sum _{j,k}\frac{w_{ij}+w_{ik}}{2}{a}_{ij}{a}_{jk}{a}_{ki},\text{\hspace{1em}(3.33)}$$
  • 对$w_{ijk}$的取法2：
    取为节点$i$与其两个邻居节点$j$和$k$组成三角形边的权值的归一化权值的集合平均：
    $$w_{ijk}=(\widehat{w_{ij}}\widehat{w_{ik}}\widehat{w_{jk}}{)}^{\frac{1}{3}},\text{\hspace{1em}(3.34)}$$
    其中：
    $$\widehat{w_{ij}}=\frac{w_{ij}}{{\max }_{k,l}{w}_{kl}},\text{\hspace{1em}(3.35)}$$
    于是便得到第二种定义：
    $${\widetilde{C_i}}^{(2)}=\frac{1}{k_i(k_i-1)}\sum _{j,k}(\widehat{w_{ij}}\widehat{w_{ik}}\widehat{w_{jk}}{)}^{\frac{1}{3}}{a}_{ij}{a}_{jk}{a}_{ki},\text{\hspace{1em}(3.36)}$$

• 第三种定义
  由定义（3-23）得到：
  $${\widetilde{C_i}}^{(3)}=\frac{{\sum }_{j,k}\widehat{w_{ij}}\widehat{w_{ik}}\widehat{w_{jk}}}{{\sum }_{j\ne k}\widehat{w_{ij}}\widehat{w_{ik}}}.\text{\hspace{1em}(3.37)}$$
  其中$\widehat{w_{ij}}\in [0,1]$。

3.6 度分布

3.6.1 度分布的概念

• $p_k$：度为$k$的节点占总节点数的比例。如果是有向网络，还分为出度分布$P(k^{out})$与入度分布$P(k^{in})$，可以用直方图表示。

3.6.2 从钟形曲线到长尾分布

• 常用的具有钟形曲线的概率分布
  连续：正态分布
  离散：超几何分布、二项分布、泊松分布（最重要）
• 泊松分布
  $$P(k)=\frac{{\lambda }^k{e}^{-\lambda }}{k!}.(\lambda >0)\text{\hspace{1em}(3.38)}$$
• 服从钟形曲线的分布都有一特征：其峰值即随机变量的均值。
  
• 长尾分布
  实例：全世界财富分布
  
  长尾分布：往往不具有明显的标度特征，因此也叫作无标度分布，下一节的幂律分布便是长尾分布。
  在实际网络中，很多实际网络的度分布曲线满足长尾分布曲线。

3.7 幂律分布

• 表达形式：$P(k)=C{k}^{-\gamma },(\gamma >0)$,通常取值在2到3之间。
• 对上式取对数：
  $$\ln P(k)=\ln C-\gamma \ln k.\text{\hspace{1em}(3.39)}$$
  在双对数坐标系中$\ln P(k)$与$\ln k$表现为线性关系，斜率为$-\gamma$，截距为$\ln C$。如图：
  
• 累积度分布
  
  的方法是绘制累积度分布$P_k$，进而光滑化处理数据。
• 含义：表示度不小于$k$的占整个网络的比例，即在网络中随机挑选一个节点的度不小于$k$的概率。
  $$P_k=\sum _{k^{\prime }=k}^{\infty }P(k^{\prime }).\text{\hspace{1em}(3.40)}$$
  如果一个网络服从幂律分布，则其累积度分布满足指数为$\gamma -1$的幂律分布：
  $$P_k=C\sum _{k^{\prime }=k}^{\infty }{k}^{\prime -\gamma }\simeq C{\int }_k^{\infty }{k}^{\prime -\gamma }d{k}^{\prime }=\frac{C}{\gamma -1}{k}^{-(\gamma -1)},(\gamma >1).\text{\hspace{1em}(3.41)}$$
  
  $$P_k\sim \sum _{k^{\prime }=k}^{\infty }{e}^{-k^{\prime }/\kappa }\sim e^{-k/\kappa }.\text{\hspace{1em}(3.42)}$$
  补充：