图数据集的幂次规律

前言

看一些图论文的时候可能经常会遇到这个词
某个结点的degree服从power law。
度数（邻居结点数/边数）服从幂律。

第一次看到的时候蒙蔽了一下，
但是这些作者似乎都把这句话当成一个初级结论，不需要证明了。
搞得我很奇怪，难道这是哪个教科书上的定理？
作者们上过同一门课因此觉得大家都知道就不解释了。
但是我没上过课啊！！！

最后还本溯源让我找到了这篇1999年的论文。

A. L. Barabasi and R. Albert. 1999. Emergence of scaling in random networks. Science 286, 5439 (October 1999), 509–512. http://view.ncbi.nlm.nih.gov/pubmed/10521342

论文内容

现实数据集(real dataset)中存在一个普适性规律。
即任意结点与k个其他结点连边的概率服从指数幂分布(Power Law Distribution)。
数学化表示即

结点u有k条连边的概率$P(k)$
$P(k)\sim k^{-\gamma },\gamma >0,k>0$

其中$\gamma$是一个与u本身相关的参数。

论文中举例，
演员数据集中${\gamma }_{actor}=2.3\pm 0.1$，
www数据集中${\gamma }_{www}=2.1\pm 0.1$
论文引用关系里${\gamma }_{cite}=3$

显然gamma越大，每个结点的连边倾向于较少。

而上述公式显然与整个网络的规模（总结点数）无关。
无论你有100个结点还是一万亿个结点，每个结点拥有k条连边的概率都服从同一个分布。
因此这个公式向我们揭示了现实世界中存在的 scale-invariance 规律。

但是我有一个问题。
显然P(k=1)=1，那么我们将k=1,2,…,+∞下的P(k)加起来，概率值是大于1的。
和大于1是可以接受的吗。。。？
针对这个疑问，论文里有一句following a power law for large k with an exponent，
也就是说仅当k足够large时，才服从这一规律。k=1这种很小的时候不算？
那应该遵循怎样的分布去构造只有1个连边的结点呢？？？
希望看到本文的有缘人能一起讨论这个问题。

这个规律可以指导我们合成假的人工数据集(fake dataset)。
我们在人工合成数据的时候，也应该保证类似的指数幂分布。

例如给定n个很相似的结点，可以假定他们的$\gamma$是一致的。
那么就可以按照指数幂产生概率p值。
最终决定这n个点有几条连边。
（或者说他们的degree分别为多少）

真实数据集存在两个点，与常见假设不同。
其一，增长性(growth)。
一般理论上的数据集的结点数N是不变的，但是现实中网络一般是随时间扩大的。
其二，偏好连接（preferential attachment)。
一般认为随机数据集中的连边是均匀产生，均匀分布的。但事实上，现实中的点与点之间往往采取偏好连接。

举例，演员数据集中，老的well-known演员显然更容易被连接。所以我们插入新结点的时候，新结点更倾向于跟老结点连。即存在马太效应，度数越高的结点反而更容易获得连边。

1.以一个较小的结点数m0作为初始化的图。initial graph里的结点之间怎么连边，作者没有讲。我自己实践的时候让这m0个结点两两互连了，这样最无脑吧，而且邻接矩阵比较好写。eye() - ones()就行了。
2.每一步向图中1个新结点，新结点与已存在的结点之间随机增加m(m<m0)条边。
3.重复上述过程，直到总结点数达到预设的n个。

这样一来，最早加入的结点有较大概率获得更多的邻居。
而最后面加入的结点的连边显然就比较少了。

问题来了！！！

如果你的m0=10，m=9。
显然每个加入的结点怎么样都会有至少9个连边。
这样构造的假数据集，就不存在邻居结点小于9的结点了。
这样的数据集足够real吗？？？
我个人持有很大的怀疑！！！

所以说我们的m需要取的比较大，但是不能取太大？？？

为了抵消这种奇葩的结果，我试着设置m0=2，m=2。
这样产出的数据集，不存在只有一个连边的结点，最少有2个连边。
虽然还是不那么real，好歹稍微可接受一点了。

不知道是不是我没明白这篇论文的思想才导致写代码有问题。
因为论文里的m看起来是个固定的超参数。

如果你要说m本身是个服从幂次分布的随机数，问题似乎就能解决了。但是论文里不像这个意思啊。

t次之后，m0+t个结点。一共有mt条边。这不是说明m是固定值吗？
还有，只有mt条边，似乎又在暗示那个初始图里，m0个结点之间是没有互相连接的。
可是这样的话，第一个新加入的结点的概率p要从哪里来呢？这种情况下$\Pi (k_i)$的计算式里，分子分母全部是0啊。

20年前的论文了，总不能把作者抓出来拷问一顿吧。

恳请后来人指教。