From Cubes to Networks: Fast Generic Model for Synthetic Networks Generation

要約

【タイトル】
CubesからNetworksへ：合成ネットワークの高速汎用モデル
【要約】
複雑なネットワークと立方体（多次元データセット）に対する解析的探索は現在、異なる戦略を持つ2つの研究分野です。一意のネットワークドメインの手法を用いて立方体のダイナミクスに関するより深い洞察を得るため、さらに豊富な合成ネットワークを得るためには、立方体を関連するネットワークに変換する方法が必要です。そのため、サンプルをノードに再構築し、最近傍探索の概念の下でネットワークダイナミクスを誘導する、立方体を相互関係するネットワークに変換する高速汎用モデルであるFGMを提案します。従来のモデルと比較して、FGMは費用対効果的に、より正確な次数分布、べき乗平均最近傍次数依存性、ネットワークにとって重要な影響の減衰現象など、実際のネットワークにより近い典型的なパターンを示すネットワークを生成できることを示します。さらに、FGMによって生成されたネットワークを様々な立方体を通じて評価します。その結果、FGMは入力の摂動に強く、一貫した細部の特性を持つネットワークを生成することがわかりました。

要約(オリジナル)

Analytical explorations on complex networks and cubes (i.e., multi-dimensional datasets) are currently two separate research fields with different strategies. To gain more insights into cube dynamics via unique network-domain methodologies and to obtain abundant synthetic networks, we need a transformation approach from cubes into associated networks. To this end, we propose FGM, a fast generic model converting cubes into interrelated networks, whereby samples are remodeled into nodes and network dynamics are guided under the concept of nearest-neighbor searching. Through comparison with previous models, we show that FGM can cost-efficiently generate networks exhibiting typical patterns more closely aligned to factual networks, such as more authentic degree distribution, power-law average nearest-neighbor degree dependency, and the influence decay phenomenon we consider vital for networks. Furthermore, we evaluate the networks that FGM generates through various cubes. Results show that FGM is resilient to input perturbations, producing networks with consistent fine properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI