Розробка генеративної моделі безмасштабної мережі з гомофільною структурою

Автор(и)

  • Вадим Леонідович Шергін Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-4388-8180
  • Сергій Анатолійович Гриньов Харківський національний університет радіоелектроніки, Україна https://orcid.org/0009-0001-0797-193X
  • Лариса Ернестівна Чала Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-9890-4790
  • Сергій Григорович Удовенко Харківський національний економічний університет ім. С. Кузнеця, Україна https://orcid.org/0000-0001-5945-8647

DOI:

https://doi.org/10.15587/1729-4061.2025.326092

Ключові слова:

безмасштабність, гомофільність, модулярність, складні мережі, спільноти вузлів

Анотація

Об’єктом досліджень є моделі складних мереж. Розглядається проблема створення генеративної моделі зростаючої мережі, яка має дві ключові властивості, характерні для мереж реального світу: безмасштабність та гомофільність. Під гомофільністю мережі мається на увазі тяжіння вузлів до групування у спільноти. Для суміщення вимог щодо гомофільності та безмасштабності було розроблено дворівневе правило переважного приєднання вузла до мережі. Згідно з ним спочатку обирається колір нового вузла з ймовірністю, пропорційною до обсягу відповідної спільноти, а потім за звичайним правилом переважного приєднання серед спільноти обираються вузли-сусіди. Показано що обчислювальна складність генерації моделі мережі з n вузлів становить O(n). Доведено, що розподіл степенів вузлів всієї мережі є таким же, як у класичній негомофільній мережі Barabási-Albert та не залежить від кількості та структури спільнот. За умов гомофільності, цілком природнім є узагальнення вимоги щодо безмасштабності на розподіл розмірів та обсягів спільнот. Визначено, що зазначений розподіл визначається інтенсивністю утворення нових спільнот. Знайдено залежність очікуваного часового інтервалу між утворенням послідовних спільнот від поточної їх кількості, яка забезпечує безмасштабність розмірів спільнот з заданим показником скейлінгу. Оцінено міру гомофільності генерованих мереж – модулярність та визначено характер її залежності від скейлінгу обсягу спільнот. Створена модель дозволяє покроково генерувати зростаючі безмасштабні мережі, які мають вбудований механізм утворення спільнот, що має практичну значущість. Більше того, розроблена модель може бути використана й у зворотному напрямку: за заданими структурними параметрами мережі можна відновити приховані правила, за якими відбувається еволюція мережі

Біографії авторів

Вадим Леонідович Шергін, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра штучного інтелекту

Сергій Анатолійович Гриньов, Харківський національний університет радіоелектроніки

Кафедра штучного інтелекту

Лариса Ернестівна Чала, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра штучного інтелекту

Сергій Григорович Удовенко, Харківський національний економічний університет ім. С. Кузнеця

Доктор технічних наук, професор

Кафедра інформатики та комп’ютерної техніки

Посилання

  1. Li, A., Li, J., Pan, Y. (2013). Homophyly Networks – A Structural Theory of Networks. arXiv. https://doi.org/10.48550/arXiv.1310.8295
  2. Dorogovtsev, S. N., Mendes, J. F. F., Samukhin, A. N. (2000). Structure of Growing Networks with Preferential Linking. Physical Review Letters, 85 (21), 4633–4636. https://doi.org/10.1103/physrevlett.85.4633
  3. Newman, M. E. J. (2003). Mixing patterns in networks. Physical Review E, 67 (2). https://doi.org/10.1103/physreve.67.026126
  4. Mele, A. (2017). A Structural Model of Homophily and Clustering in Social Networks. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3031489
  5. Choromański, K., Matuszak, M., Miȩkisz, J. (2013). Scale-Free Graph with Preferential Attachment and Evolving Internal Vertex Structure. Journal of Statistical Physics, 151 (6), 1175–1183. https://doi.org/10.1007/s10955-013-0749-1
  6. Newman, M. (2005). Power laws, Pareto distributions and Zipf’s law. Contemporary Physics, 46 (5), 323–351. https://doi.org/10.1080/00107510500052444
  7. Albert, R., Barabási, A.-L. (2002). Statistical mechanics of complex networks. Reviews of Modern Physics, 74 (1), 47–97. https://doi.org/10.1103/revmodphys.74.47
  8. Noldus, R., Van Mieghem, P. (2015). Assortativity in complex networks. Journal of Complex Networks, 3 (4), 507–542. https://doi.org/10.1093/comnet/cnv005
  9. Shergin, V., Udovenko, S., Chala, L. (2020). Assortativity Properties of Barabási-Albert Networks. Data-Centric Business and Applications, 55–66. https://doi.org/10.1007/978-3-030-43070-2_4
  10. Li, A., Li, J., Pan, Y. (2013). Community Structures Are Definable in Networks, and Universal in Real World. arXiv. https://doi.org/10.48550/arXiv.1310.8294
  11. Girvan, M., Newman, M. E. J. (2002). Community structure in social and biological networks. Proceedings of the National Academy of Sciences, 99 (12), 7821–7826. https://doi.org/10.1073/pnas.122653799
  12. Shergin, V., Grinyov, S., Chala, L., Udovenko, S. (2024). Network community detection using modified modularity criterion. Eastern-European Journal of Enterprise Technologies, 6 (4 (132)), 6–13. https://doi.org/10.15587/1729-4061.2024.318452
  13. Shergin, V., Chala, L., Udovenko, S., Pogurskaya, M. (2020). Elastic Scale-Free Networks Model Based on the Mediaton-Driven Attachment Rule. 2020 IEEE Third International Conference on Data Stream Mining & Processing (DSMP), 291–295. https://doi.org/10.1109/dsmp47368.2020.9204207
  14. Raskin, L., Sira, O. (2021). Devising methods for planning a multifactorial multilevel experiment with high dimensionality. Eastern-European Journal of Enterprise Technologies, 5 (4 (113)), 64–72. https://doi.org/10.15587/1729-4061.2021.242304
Розробка генеративної моделі безмасштабної мережі з гомофільною структурою

##submission.downloads##

Опубліковано

2025-04-30

Як цитувати

Шергін, В. Л., Гриньов, С. А., Чала, Л. Е., & Удовенко, С. Г. (2025). Розробка генеративної моделі безмасштабної мережі з гомофільною структурою. Eastern-European Journal of Enterprise Technologies, 2(4 (134), 14–22. https://doi.org/10.15587/1729-4061.2025.326092

Номер

Розділ

Математика та кібернетика - прикладні аспекти