複雑ネットワークの統計的推測：成長機構と成長履歴の解明

复杂网络的统计推断：阐明增长机制和增长历史

• 批准号: 16J03918
• 负责人: PHAM THE THONG
• 金额: $ 1.47万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2016
• 资助国家: 日本
• 起止时间: 2016-04-22 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16J03918/
• 关键词: 複雑ネットワーク; 成長ネットワーク; 優先的選択; 適応度; スケールフリー; ベイズ統計学; CRAN

社会学を始めとする様々な分野における動的なシステムが複雑ネットワークとしてモデリングすることができる．ネットワークがどのように成長したのかを解明できれば，そのシステムの性質を予測やコントロールすることが可能になるので．複雑ネットワークにおける成長メカニズムの推定は重要な課題である．しかし，この課題に関する既存研究では理論の基盤もソフトウェアの実装も欠けていた．本研究は複雑ネットワークの成長メカニズムの統計的推測に関して，理論，実装，応用のそれぞれの観点で成果を得た．まず，優先的選択と適応度のメカニズムを同時に推定する統計的手法を提案した．ベイズ統計学の事前分布に対応する正則化項を導入することによって，優先的選択の関数形を仮定しない汎用的な方法を実現できた．次に，提案方法をRパッケージPAFitに実装し, CRANに公開している．パッケージの主な部分をRcppで書き，OpenMPを用いる並列化メカニズムも用意したので，大規模なネットワークにも対応できる．PAFitはCRAN Task View: Statistics for the Social Sciencesに紹介され，使われ始めている．最後に，上記の方法論を応用する大規模なデータ分析を行って，優先的選択と適応度に関する普遍性を発見した．具体的に，様々な種類の実ネットワークを分析した結果、優先的選択と適応度のメカニズムがどのネットワークでも存在するが，ネットワークの種類によって二つのメカニズムの割合が異なることが分かった．

包括社会学在内的各个领域的动态系统可以建模为复杂的网络。如果我们能够理解网络如何增长，就有可能预测和控制该系统的属性。估计复杂网络中的增长机制是一个重要问题。然而，现有的研究缺乏理论基础和软件实现。该研究在复杂网络增长机制的统计推断方面取得了理论、实现和应用方面的成果。首先，我们提出了一种统计方法来同时估计优先选择和适应机制。通过引入与贝叶斯统计先验分布相对应的正则化项，我们能够实现一种不假设优先选择函数形式的通用方法。接下来，我们在 R 包 PAFit 中实现了所提出的方法，并将其发布在 CRAN 上。该包的主要部分是用Rcpp编写的，并且还提供了使用OpenMP的并行化机制，因此可以支持大规模网络。 PAFit 在 CRAN 任务视图：社会科学统计中引入并开始使用。最后，我们应用上述方法进行了大规模数据分析，发现了有关优先选择和适应度的普遍性。具体来说，通过分析各种类型的真实网络，我们发现所有网络都存在优先选择和适应机制，但这两种机制的比例根据网络类型的不同而不同。

项目成果

The attribution problem in complex networks: untangling the roles of talent and experience in growing networks via the joint estimation of fitness and preferential attachment

复杂网络中的归因问题：通过适应度和优先依恋的联合估计来理清人才和经验在成长网络中的作用

• 发表时间: 2016
• 作者: Pham;Thong and Sheridan;Paul and Shimodaira;Hidetoshi;Yuka Yoshinouchi;Thong Pham
• 通讯作者: Thong Pham