Core Concepts
고정 차수 시퀀스를 가진 이분 네트워크에서 무작위 표본을 효율적으로 추출하는 방법을 제안한다. 이를 위해 표본 네트워크들의 관측 네트워크로부터의 거리 분포가 안정화될 때까지 거래 알고리즘을 수행하는 정지 규칙을 사용한다.
Abstract
이 논문은 고정 차수 시퀀스를 가진 이분 네트워크에서 무작위 표본을 추출하는 효율적인 방법을 제안한다.
먼저 이분 네트워크 무작위 표본 추출을 위한 거래 알고리즘을 소개한다. 이 알고리즘은 네트워크의 차수 시퀀스를 유지하면서 에지의 위치를 무작위로 교환하여 새로운 네트워크를 생성한다. 그러나 이 알고리즘이 언제 충분한 수의 거래를 수행했는지 알기 어렵다는 문제가 있다.
따라서 저자는 표본 네트워크들의 관측 네트워크로부터의 거리 분포가 안정화될 때까지 거래를 수행하는 정지 규칙을 제안한다. 이 규칙은 Kolmogorov-Smirnov 검정을 사용하여 거리 분포의 안정화를 판단한다.
저자는 335개의 다양한 차수 시퀀스에 대해 이 정지 규칙의 성능을 검증했다. 그 결과 93.2%의 경우 무작위 표본을 생성할 수 있었다. 또한 실제 생태학, 사회학, 정치학 데이터에 적용하여 실용성을 입증했다.
이 방법은 고정 차수 시퀀스를 가진 이분 네트워크에서 무작위 표본을 효율적으로 추출할 수 있는 실용적인 도구를 제공한다. 또한 거래 알고리즘의 혼합 시간 추정에도 활용될 수 있을 것으로 기대된다.
Stats
이 방법은 335개의 다양한 차수 시퀀스에 대해 평균 93.2%의 확률로 무작위 표본을 생성할 수 있었다.
다윈의 핀치 네트워크에서는 156번의 거래로, 남부 여성 네트워크에서는 180번의 거래로, 미국 상원 네트워크에서는 1400번의 거래로 무작위 표본을 생성할 수 있었다.