Uncovering the hidden core-periphery structure in hyperbolic networks

要約

双曲ネットワーク モデルは、スモールワールド性、スケールフリー性、高いクラスタリング係数、コミュニティ構造など、非常に基本的かつ重要な特徴を示します。
この論文では、現実世界のネットワークでよく見られる、双曲線ネットワーク モデルにおける重要な特徴であるコアと周辺構造の存在を包括的に調査します。
私たちは、人気類似性最適化モデル (PSO) や S1/H2 モデルなどのよく知られた双曲モデルに焦点を当て、標準的なランダム ウォーク マルコフ連鎖モデルに基づいた確立された手法を使用してコア周辺構造を研究しました。
観察されたコアと周辺の集中化の値は、特定の条件下ではコアと周辺の構造が非常に顕著になる可能性があることを示しています。
また、ネットワークジオメトリで観察されたコア周辺構造の重要性を統計的にテストすることによって、発見結果を検証します。
この研究は、ネットワーク科学を拡張し、さまざまなドメインに適用可能なコアと周辺の洞察を明らかにし、交通システムおよび情報システムにおけるネットワークのパフォーマンスと回復力を強化します。

要約(オリジナル)

The hyperbolic network models exhibit very fundamental and essential features, like small-worldness, scale-freeness, high-clustering coefficient, and community structure. In this paper, we comprehensively explore the presence of an important feature, the core-periphery structure, in the hyperbolic network models, which is often exhibited by real-world networks. We focused on well-known hyperbolic models such as popularity-similarity optimization model (PSO) and S1/H2 models and studied core-periphery structures using a well-established method that is based on standard random walk Markov chain model. The observed core-periphery centralization values indicate that the core-periphery structure can be very pronounced under certain conditions. We also validate our findings by statistically testing for the significance of the observed core-periphery structure in the network geometry. This study extends network science and reveals core-periphery insights applicable to various domains, enhancing network performance and resiliency in transportation and information systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google