ネットワーク理論最前線 基礎から応用まで -...
TRANSCRIPT
知的財産マネジメント研究会@GRIPS 1
ネットワーク理論最前線- 基礎から応用まで -
独立行政法人 産業技術総合研究所
知能システム研究部門
分散システムデザイングループ
小島 一浩
知的財産マネジメント研究会@GRIPS 2
イントロダクション
http://opte.org/
インターネットの地図tracerouteコマンドでIPアドレス空間を収集
注意:Autonomous System Levelとは別
知的財産マネジメント研究会@GRIPS 3
Network Science発展の背景大規模データを容易に入手
・インターネット
http://opte.orghttp://research.lumeta.com/ches/maphttp://www.caida.org/home・映画データベース
http://www.imdb.com・論文データベースhttp://citeseer.ist.psu.eduhttp://arxiv.org
計算機の能力(計算速度,記憶容量)の向上
(統計)物理学者の参入
知的財産マネジメント研究会@GRIPS 4
Network Scienceの歴史
1736ケーニヒベルグ問題
1967Small World実験
1960Random Graphモデル
1998Watts論文1999
Barabasi論文
知的財産マネジメント研究会@GRIPS 5
アジェンダ
イントロダクション
基礎編:古典から現代へ
応用編:産総研の研究者コミュニティ
参考文献
知的財産マネジメント研究会@GRIPS 6
基礎編:古典から現代へ
知的財産マネジメント研究会@GRIPS 7
What is Complex Networks?
明確は定義はない
私的理解Complex Networks理論とは(1)ネットワークを構成する頂点や辺に対し特徴量を定義
(2)構造と機能の関係を探求
(3)所望する特徴量を有するネットワーク(構造→機能)を構成するアルゴリズムを探求
するグラフ理論の一分野
従来のネットワーク理論とは,どのように違うのか?
知的財産マネジメント研究会@GRIPS 8
グラフ理論
L. Euler (1707 - 1783)・Konigsburg Problem (1736)(ケーニヒベルグ問題)
グラフ理論:ノードの集合とエッジに集合で構成されるグラフの性質を研究する.
ネットワーク:エッジに重みや長さなどの属性が付与されたグラフ
知的財産マネジメント研究会@GRIPS 9
グラフの定義
定義
頂点の集合V,辺の集合E,各辺に2頂点を対応させる接続関数Φ
V(G),E(G),Φ(G) -> G(V,E)
知的財産マネジメント研究会@GRIPS 10
Random Networks
P. Erdos (1913 - 1996)・放浪の数学者
・多くの論文を残す
・Erdos Number・Random Graphの研究
Erdos-Renyi Model
知的財産マネジメント研究会@GRIPS 11
ER Random Graph Model
1N N nodes, M edges : G(N,M)
N(N-1)/2 edgesProbability p : G(N, p)
M =pN
知的財産マネジメント研究会@GRIPS 12
ER Random Graph Model1N
G(N, p)□p=N-1 閉路□p=log(N)/N 連結
□Degree Distribution : P(k)P(k)=N-1Ckpk(1-p)N-1-k
-> exp(-λ)λk/k! (N->∞, p->0, pN->λ)
□Diameter : dd=log(N)/log(pN)≒log(N)/log(<k>)
知的財産マネジメント研究会@GRIPS 13
ネットワークの古典的クラス
Network
RandomNetwork
RegularNetwork
この状態が20世紀末までつづく
知的財産マネジメント研究会@GRIPS 14
実際のネットワークWorld Wide WebErdos numberProtein networkTelephone networkCoauthor network…
Model?ER Random Network Modelは妥当性にかける
知的財産マネジメント研究会@GRIPS 15
Small World現象
acquaintance acquaintance
It’s a Small World!
□日常生活で体験する経験則
知的財産マネジメント研究会@GRIPS 16
Stanley Milgram
S. Milgram (1933 - 1984)・Yale University・social psychology・巧みな実験
*Milgram実験*Small World実験実験設定に問題が多いという批判もあるJ. Kleinfeld, The Small world problem, Society, 39(2), pp.61-66, 2002
知的財産マネジメント研究会@GRIPS 17
Small World現象
acquaintance acquaintance
It’s a Small World!
Q1. 任意のXとZは知り合いではないが,共通の知人Yをもつのか?
Q2. 任意のXとZは知り合いではないが,a,b,…,yを介してつながっているのか?またその仲介数は?
S. Milgram: ”The Small-World Problem”, PsychologyToday, Vol. 1, pp. 61–67 (1967)
知的財産マネジメント研究会@GRIPS 18
Small World実験TargetName : BobBusiness: TraderAddress : Boston
SourceNebraska
5.5 steps => 6次の隔たり
Q1. 任意のXとZは知り合いではないが,共通の知人Yをもつのか?
には答えていない!
知的財産マネジメント研究会@GRIPS 19
ER Random Graph Model
X Z
Y
1NG(N, p)
□Diameter : dd=log(N)/log(pN)≒log(N)/log(<k>)
直径は小さくて知人ネットワークのモデルとして妥当?
□問題Small World現象:XとZが共通の知人を持つ確率は「結構」高い.
ERモデル:XとZが共通に知人Yを持つ確率は,ほぼp(<<1)
知的財産マネジメント研究会@GRIPS 20
Small World Networks
Duncan J. Watts・Columbia University
D. J. Watts and S. H. Strogatz: “Collective dynamics of ’small-world’ networks”, Nature, Vol. 393, No. 4, pp. 440–442 (1998)
∑=Γ
==
N
ii
ik
ii C
NC
CEC
12
1,)(・Clustering coefficient:
X・Small World:1. Low Diameter2. High Clustering
知的財産マネジメント研究会@GRIPS 21
Random Rewiringアルゴリズム
Small World
Small World:□Low Diameter□High Clustered
Low Diameter<=Shortcut Path,
Long Range Contact
知的財産マネジメント研究会@GRIPS 22
Scale Free Networks
Albert-László Barabási・University of Notre Dame
A. L. Barabasi and R. Albert: “Emergence ofScaling in Random Networks”, Science, Vol. 286, pp. 509–512 (1999)
・WWWのHyperlink(Pages:325,729,Links:1,469,680)
・degree distribution:P(k)∝k-γ
Power Low = Scale Free
・diameter :d ≒ 11.2
=> New class!
知的財産マネジメント研究会@GRIPS 23
Scale Free Networks
・degree distribution:P(k)∝k-γ
Hub Node=>Low Diameter
知的財産マネジメント研究会@GRIPS 24
Preferential Attachmentアルゴリズム
∑=
∂∂
j j
ii
kk
tk
・Growing Process・Preferential Attachment
知的財産マネジメント研究会@GRIPS 25
Small World Networks or Scale Free Networks□ER Random Network・Low Diameter
□Small World Network・Low Diameter・High Clustered (Clustering Coefficient)
□Scale Free Network・Low Diameter・Hub Node (Power Low Degree Distribution)
def1. 広義のSmall World = Low DiameterER Random Network, Small World Network, Scale Free Network
def2. 狭義のSmall World = Low Diameter and High ClusteredSmall World Network
知的財産マネジメント研究会@GRIPS 26
ネットワークのクラス
Networks
RandomNetworks
RegularNetworks
Small WorldNetworks
Scale FreeNetworksComplex Networks
知的財産マネジメント研究会@GRIPS 27
Complex Networks
Mark E. J. Newman・Santa Fe InstituteComplex SystemsSelf-Organizing Systemsの流れを汲む
M. E. J. Newman: “The Structure and Function of Complex Networks”, SIAM Review, vol45, pp167-256 (2003)
知的財産マネジメント研究会@GRIPS 28
ネットワークの構造と特徴量
パス長(characteristic path length)中心性(centrality)次数分布(degree distribution)クラスタリング係数(clustering coefficient)次数相関(degree correlation)隣接行列スペクトル(spectrum)モジュール性(modularity)
,etc
モデル
リアル
知的財産マネジメント研究会@GRIPS 29
階層構造と特徴量:モデル
E. Ravasz and A. L. Barabasi, Physical Review E, 67, 026112, 2003, Hierarchical organization in complex networks
・次数 – クラスタリング係数分布
知的財産マネジメント研究会@GRIPS 30
階層構造と特徴量:理論値
階層構造の有無(なし:優先的選択モデル)の比較・次数 – クラスタリング係数分布・クラスタリング係数のサイズ効果で明らかな違い
知的財産マネジメント研究会@GRIPS 31
階層構造と特徴量:観測値
知的財産マネジメント研究会@GRIPS 32
最近のトピック
コミュニティ構造,モジュール構造
構造から機能へ
ネットワーク上のダイナミクス(拡散・伝播)
ネットワークのダイナミクス(生成・崩壊・組み換え)
Navigation問題可視化
知的財産マネジメント研究会@GRIPS 33
応用編:産総研の研究者コミュニティ
知的財産マネジメント研究会@GRIPS 34
明示的組織構造 – 縦割り組織□研究センター重要課題解決に向けた短期集中的研究展開
(最長7 年) 研究資源(予算,人,スペース) の優先投入トップダウン型マネージメント.25 センター設置.
□研究部門一定の継続性をもった研究展開とシーズ発掘ボトムアップ型テーマ提言と長のリーダーシップによるマネージメント.21 研究部門設置.
□研究ラボ分野融合の促進,行政ニーズへの機動的対応新しい研究センター,研究部門の立ち上げに向けた研究推進.5 研究ラボ設置.
知的財産マネジメント研究会@GRIPS 35
研究領域の分類
知的財産マネジメント研究会@GRIPS 36
産総研の地理的分散
知的財産マネジメント研究会@GRIPS 37
内側からの視点
□ 組織改変による人事異動□ 地理的分散□ 日常業務の増加
■ 隣の研究室でどのような研究をしているか分からない■ 連帯感の欠如■ 蛸壺的
例:ある研究を始めるのに専門家を外部の人から紹介してもらったら,隣の研究室の人だった...
疑問:異分野連携を唱えているが,本当に実行されているのか?
知的財産マネジメント研究会@GRIPS 38
成果データベース
論文の共著関係を使用産総研では,研究成果発表をデータベース化
1.誌上発表2.口頭発表3.著書・刊行物・調査報告5.地球科学情報6.計量技術情報・工業標準化7.ソフトウェア,8.データベース9.プレス発表10.イベント展示
記録属性:□発表属性:記録ID, 登録日,発表タイトル,要旨,キーワード□筆頭者・共著者属性:職員ID,名前,所属コード,所属
知的財産マネジメント研究会@GRIPS 39
調査データ2001 – 2005年度の誌上および口頭発表
注:内部研究者,外部研究者の識別は職員IDを使用.外部研究者でIDが付与される場合がある外部研究者は名前で識別
知的財産マネジメント研究会@GRIPS 40
ネットワーク解析
ネットワーク特徴量
・Size Rank・次数累積分布
・次数-クラスタリング係数相関ネットワークの可視化
・最大連結成分の可視化
・粗視化
(betweenness centrality clustering )・異分野連携の抽出
知的財産マネジメント研究会@GRIPS 41
Rank-Size
Zipf則
最大連結成分と2nd連結成分の差が増大する傾向?
知的財産マネジメント研究会@GRIPS 42
次数累積分布
a. 非連結成分を含む b. 最大連結成分のみ
知的財産マネジメント研究会@GRIPS 43
degree-clustering coefficient
a. 2001 b. 2002 c. 2003
d. 2004 e. 2005
知的財産マネジメント研究会@GRIPS 44
可視化
a. 2001 b. 2002 c. 2002
d. 2004 e. 2005
知的財産マネジメント研究会@GRIPS 45
粗視化
Betweenness Centrality ClusteringBoost Graph LibraryBrandes beetweenness centralityUlrik Brande, A Faster Algorithm for Betweenness Centrality, Journal of Mathematical Sociology 25 (2):163-177, 2001.
bc_clustering.hpp修正前:最大値を持つedgeのうち,1つだけremove後:最大値を持つedgeを全てremove
Newman Modularity:
知的財産マネジメント研究会@GRIPS 46
Newman Modularity
2004
BetweennessShortest Path Betweenness→グループ(結合が密な部分)を橋渡しするリンク(疎リンク)は,貴重なリンクである.
Newman Modularity
知的財産マネジメント研究会@GRIPS 47
粗視化(2004)
知的財産マネジメント研究会@GRIPS 48
異分野連携の抽出
最大連結成分から,異分野連携部分のみを抽出する
知的財産マネジメント研究会@GRIPS 49
異分野連携(2003)
知的財産マネジメント研究会@GRIPS 50
アプリケーションの開発
自分の周辺でどのような研究が行われているか?
簡単なインターフェースによる検索機能
知的財産マネジメント研究会@GRIPS 51
まとめ
基本的特徴量
・次数分布のScale Free性は疑問・クラスタ性の強い階層性
可視化+粗視化・ナノテク分野と環境分野が支配的コミュニティ
・最大連結成分の異分野連携は10%程度
知的財産マネジメント研究会@GRIPS 52
参考文献啓蒙書
・スモールワールド・ネットワーク―世界を知るための新科学的思考法, ダンカン ワッツ (著), Duncan J. Watts (原著), 辻 竜平 (翻訳), 友知 政樹 (翻訳)
・新ネットワーク思考―世界のしくみを読み解く, アルバート・ラズロ・バラバシ (著), 青木 薫 (翻訳)・Six Degrees: The Science of a Connected Age,Duncan J. Watts (著)・ Linked: The New Science of Networks, Albert-Laszlo Barabasi (著)もう少し高度
・モールワールド―ネットワークの構造とダイナミクス ,ダンカン ワッツ (著), Duncan J. Watts (原著), 栗原 聡 (翻訳), 福田 健介 (翻訳), 佐藤 進也 (翻訳)
・Small Worlds: The Dynamics of Networks Between Order and Randomness,Duncan J. Watts (著)
・複雑ネットワークの科学,増田 直紀 (著), 今野 紀雄 (著)論文集
・The Structure And Dynamics of Networks, Duncan J. Watts (著), Mark Newman (著)Web Site
・http://www.nd.edu/~alb/・http://www-personal.umich.edu/~mejn/ , http://www.santafe.edu/~mark/
知的財産マネジメント研究会@GRIPS 53
ツール群
解析+可視化
・Pajek, http://vlado.fmf.uni-lj.si/pub/networks/pajek/
可視化・Otter, http://www.caida.org/tools/visualization/otter/・GraphViz, http://www.graphviz.org/・Large Graph Layout, http://apropos.icmb.utexas.edu/lgl/
プログラミング・ライブラリ・Boost Graph Library,
http://www.boost.org/libs/graph/doc/
知的財産マネジメント研究会@GRIPS 54
Thank you