공부/네트워크과학48 [논문소개] The nature and nurture of network evolution Evolving network와 Structural property를 엮은, 네트워크 과학의 오래된 전통을 건드리면서도 신선한 논문이 나왔다. The nature and nurture of network evolution 간단히 말해서 이 연구에서 제시하는 모델은 BA model과 fitness model을 결한 모델이다. BA model과 fitness model은 모두 신규 node가 기존 node에 대해 선호적인 연결을 형성하며 성장하는 네트워크 모델인데, BA model은 degree에 비례한 선호성을, fitness model은 고정적인 적합성을 degree에 곱한 값에 비례한 선호성을 갖는 것을 특징으로 한다. 그러니까 fitness model에서는 단순히 degree가 높을 뿐만 아니라, 적.. 2023. 11. 7. [논문소개] 6다리 법칙이 창발하는 이유? - 이득과 비용의 관점에서 소셜 네트워크에서 6다리 건너면 대부분 연결된다는 6다리 법칙이 유명하다. 모르는 사람에게 편지를 보내 몇 다리 건너면 도달할지 알아보는 실험으로 유명해졌고, 네트워크 이론에서 small-world 현상이 연구되면서 꽤 많은 분야에서 인용되는 법칙이다. 그런데 여기서도 저기서도 6다리 법칙이라고 하는 건 좀 이상하다. 네트워크 규모에 따른 차이도 있을 테고, 6다리라는 반경은 단순히 이론적으로 연구된 small-world보다 훨씬 더 큰 small-world, 즉, ultrasmall-world이기 때문이다. 최근 이를 설명하는 이론적 배경을 제시한 연구가 Physical review X에 출판되었다. Why Are There Six Degrees of Separation in a Social Netwo.. 2023. 6. 12. [논문소개] 시계열 Network에서 multiple layer의 social network 추출 Wearable device로 상호작용을 측정해서 social network를 구성한다고 쳐보자. 그런데 이제 어떤 한 종류의 상호작용이 아니라 다양한 종류의 상호작용이 일어나고 있는 경우 (e.g. 친구, 상사, 동료, 가족), 그저 디바이스로 측정한 상호작용 (e.g. proximity, message) 만으로 뭉뚱그려 link를 구성하는 건 꽤나 큰 정보의 누락이 될 수 있다. 이번에 소개 할 논문은 non-negative matrix factorization (NMF) 를 이용해 시계열 social network에서 여러 개의 factor를 뽑아봤더니 꽤나 의미있는 추출이 가능했다는 내용을 담고 있다. 제목은 다음과 같다. Extracting multiple layers of social netw.. 2023. 5. 24. [논문소개] 네트워크의 다이나믹스가 혁신에 미치는 영향 네트워크 행위자를 구조적 위치에 따라 거칠게 나눠보면 브로커와 클러스터로 나눠볼 수 있다. 브로커는 클러스터들을 연결하는 다리 역할을 하는 사람, 클러스터는 말그대로 어떤 집단(complete network)에 속한 사람이다. 이 두 종류의 행위자는 각각 중요하게 생각되는 이유가 있다. 브로커는 클러스터 사이를 연결하면서 거시적인 정보의 흐름을 만들어내고, 클러스터는 정보의 확산의 규모를 빠르게 증가시킨다. Small-world 네트워크에서 6다리만 건너면 대부분 연결된다고 할 수 있는 이유는 이런 브로커와 클러스터의 시너지가 있기 때문이다. 브로커는 Weak tie나 Structural hole이라는 컨셉으로 주목받기도 한다. 다양한 곳으로부터 정보가 도달하니, 유리한 상황이 있을 수 있다는 것이다. .. 2023. 5. 5. [논문소개] 복잡네트워크 Dynamics에서 창발하는 stability Emergent stability in complex network dynamics 최근 network 분야에서 핫한 논문. 복잡 네트워크라는 것이 어떤 기능적인 역할을 한다면, 구성요소 간에 안정성을 부여하는 것을 자연스럽게 상상할 수 있다. 하지만, 실제로는 너무 임의적이고 불규칙적으로 보인다는 것이 문제. 이 연구에서는 이제 네트워크 시스템 동역학을 선형으로 근사한 자코비안 행렬을 이용해서, dynamic Jacobian ensemble이라는 방법을 도입, 네트워크들의 고정점 다이나믹스를 조사했다고 한다. 가장 흥미로운 결과는, 논문의 제목에도 있지만, 거대 규모의 heterogeneous network (여기서 이질성이란 Degree, 즉, degree가 균질하지 않다는건데, degree dist.. 2023. 5. 5. [네트워크 과학] 약한 연결의 힘 약한 연결의 힘(The strength of weak ties)은 금지된 삼자관계(Forbidden triad)와 함께 Social network의 다이나믹스를 설명하는 주요한 이론이다. 금지된 삼자관계가 삼각형 구조를 형성하고 군집구조를 만드는 힘과 관련이 되어 있다면 약한 연결의 힘은 군집과 군집 사이를 연결하는 엉성하고 의외의 연결들과 관련이 있다. Regular network에서 임의의 link를 재배치하다보면 어느 순간에 네트워크의 반경이 큰 폭으로 감소한다. 이렇게 반경이 좁은 네트워크를 작은 세상 네트워크(small-world network)라고 부르는데, 그 배경에는 의외로 먼 곳과 연결된 link들이 local의 군집 구조들을 연결하면서 만든 경로들이 있다. 일종의 고속도로랄까.. 만약 .. 2022. 11. 3. [네트워크이론] Local assortativeness 예전 네트워크 동류성(Assortativity), 특히 Degree 동류성을 다뤘던 적이 있다. 오늘은 M. Piraveenan, M. Prokopenko, A. Y. Zomaya 의 논문 'Local assortativeness in scale-free networks'을 토대로 지역적인 assortativity, 더 정확하게 말하자면 각각의 node가 전체 assortativity에 기여하는 정도를 정량화 하는 방법을 정리해보려 한다. 먼저, 총 network의 assortativity를 구하는 방법부터 복습. Degree assortativity는 링크 양단의 node의 link 수 간의 상관계수이다. 이 때 상관계수를 살펴볼 link 수로는 두 node 사이를 연결한 링크를 제외한 $k = Deg.. 2022. 8. 17. [논문 소개] Degree와 Closeness centrality 사이에 어떤 관계가..? 네트워크에는 정말 많은 중심성 지표가 있다. 이번에 소개할 논문에서도 인용하고 있지만, 중심성 지표를 보기 좋게 정리한 홈페이지가 있어서 일단 공유. https://schochastics.net/sna/periodic.html Periodic Table of Network Centrality Periodic Table of Network Centrality This is an interactive periodic table of centrality indices I gathered in the course of my PhD. Clicking on a specific index will pop up the respective paper. The number in the upper right corner i.. 2022. 7. 8. [논문소개] 수평적 팀이 과학적 혁신을 이끈다? PNAS에 'Flat teams drive scientific innovation'이라는 제목의 간략한 리포트가 올라왔다. 내용이 흥미로워 간단히 정리해본다. 우선 흥미로웠던 점은 논문에서 저자들의 역할을 분리한 방법이였다. 개별 논문의 contribution란에서 저자들이 행한 역할들을 link로 엮고, 이를 다수의 논문에 대해 수행한 결과 3개의 클러스터 구조를 발견한다. 그리고 각각의 클러스터의 내용에 따라 Lead, Direct support, Indirect support라는 역할을 결정한다. 이러한 구분에 따라 각 논문에서 Lead 역할을 맡은 저자의 비율이 얼마인지를 계산한다. 예를 들어, 모든 저자(n명)가 주도적으로 contribution을 했다면 L latio는 1 (n/n)이고, 한명.. 2022. 7. 8. 이전 1 2 3 4 ··· 6 다음