Você está na página 1de 23

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Universidade de São Paulo - USP/RP

Evolving Networks - Modelo Bianconi-Barabási e


comparações com o Modelo de Preferential
Attachment
Apresentação de Artigo

19 de abril de 2017

Alex Quintino Barbi


Disciplina: Redes Econômicas e Sociais
Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto


Universidade de São Paulo - USP/RP

Evolving Networks - Modelo Bianconi-Barabási e


comparações com o Modelo de Preferential
Attachment
Apresentação de Artigo

19 de abril de 2017

Alex Quintino Barbi


Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 2 / 22
Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Sumário

1 Introdução

2 Modelo de Preferential Attachment, Barabasi, Albert 1999

3 Modelo Bianconi-Barabási, 2001

4 Conclusão

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 3 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Sumário

1 Introdução

2 Modelo de Preferential Attachment, Barabasi, Albert 1999

3 Modelo Bianconi-Barabási, 2001

4 Conclusão

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 4 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Redes livre de escala

Modelo livre de escala


No modelo randômico não há chances de termos nós com k muito pequeno
ao mesmo tempo com outros com k muito alto. Redes com variação de k
muito além de hki são representadas pela chamada rede livre de escala.

pk ∼ k −γ , (1)
ou numa escala log-log
ln pk ∼ −γ ln k. (2)
A equação (2) nos mostra que ln pk depende linearmente de ln k, com
coeficiente angular γ, que corresponde ao expoente da lei de potência.
Dessa maneira, para redes nas quais sua distribuição segue uma lei de
potência, esta é chamada livre de escala.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 5 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Figura: O exemplo compara redes randômicas, que seguem uma distribuição


exponencial, à esquerda, com as livre de escala, que seguem uma lei de
potência, à direita. Notar que a rede livre de escala possui uma linha reta no
gráfico log-log.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 6 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Figura: Distribuição de Poisson e lei de potência.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 7 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Hubs

A diferença entre a rede randômica e a livre de escala está justamente


nas caudas da distribuição de pk , para k muito maior que hki. Esses
nós são chamados de Hubs.
Ultra mundos-pequenos
As distâncias em redes livres de escala são bastante reduzidas se
comparadas ao modelo randômico. A dependência da distância média
hdi no tamanho da rede N e do coeficiente γ é dada por (??)


 const., γ = 2
lnlnN, 2 <γ < 3

hdi ∼ lnN (3)

 lnlnN , γ=3
ln N, γ>3

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 8 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Sumário

1 Introdução

2 Modelo de Preferential Attachment, Barabasi, Albert 1999

3 Modelo Bianconi-Barabási, 2001

4 Conclusão

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 9 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Preferential Attachment, Barabasi, Albert 1999

Cálculo
Podemos dizer que a probabilidade de um nó se conectar a outro é
proporcional à k, dado que

ki
pki = P . (4)
j kj

Hubs
Esse fenômeno concede a nós de maior ligação, os hubs, a prioridade
no recebimento de novas ligações. Esse efeito também é conhecido
como a vantagem do primeiro jogador, pois quanto mais cedo um
dado nó entra na rede, maior é seu grau k num dado momento t.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 10 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Cálculo
Para calcular a distribuição de grau do modelo BA, pode-se calcular o
número de nós com grau menor que k, isto é k(t) < k.

2m(m + 1)
pk = . (5)
k(k + 1)(k + 2)
Para o caso em que k, m → ∞, (5) torna-se

pk ∼ 2m2 k −3 . (6)

Modelo BA gera uma rede livre de escala com γ = 3.


Não há dependência em relação ao tempo t, o que em parte explica
porque redes de diferentes tamanhos, histórias e idades se
desenvolvem com uma topologia muito semelhante ente si.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 11 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

(Loading Video...)

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 12 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Sumário

1 Introdução

2 Modelo de Preferential Attachment, Barabasi, Albert 1999

3 Modelo Bianconi-Barabási, 2001

4 Conclusão

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 13 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Modelo Bianconi-Barabasi, 2001


Se o modelo BA pudesse prever o surgimento de grandes sites de
internet, o ’novato’ Google provavelmente seria até então uma
ferramenta de busca bem menor de que realmente é, se
comparado ao Alta Vista, por exemplo.
Assim, podemos dizer que o Google ganhou uma série de
visitantes que, uma vez que o utilizou, sempre o fez novamente, à
revelia dos demais mais antigos. Essa característica que coloca
alguns à frente dos outros é chamada de função aptidão, ou do
inglês fitness, surgindo assim o modelo Bianconi-Barabási (BB).

Figura: O modelo BA não teria como explicar o aparecimento do Google...

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 14 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Cálculo
ηj kj
p(ηj ) = X . (7)
ηi ki
i

crescimento de nós, em um processo contínuo no tempo: a cada


tempo t, um novo nó com m novas ligações e ηj fitness, onde ηj é
escolhido de uma distribuição fitness p (η).
ligação preferencial: agora a probabilidade da ligação de um novo
nó é proporcional ao produto de seu grau kj e sua fitness ηj , no
qual nos fornece (7).
Neste caso, o nó que tiver mais função fitness dominaria os
demais.
A determinação dessa "fitness"de cada nó, pode ser encontrada
comparando sua evolução no tempo em relação à evolução dos
demais nós.
Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 15 / 22
Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Figura: Fitness para Artigos.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 16 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Diferenças nos Modelos


presença de atratividade inicial: pelo fato de que nós isolados não
poderiam ganhar ligações, adicionamos uma constante A que se
chamará atratividade inicial do nó.
A
γ =3+ .
m
.
ligações internas (n): chamamos de n o número de novas
ligações internas entre os nós já existentes. Caso seguir uma
função aleatória:
2n
γ =3+ .
m
Caso seguir a função do modelo BA - Dupla Ligação Preferencial:
m
γ =2+ .
m + 2n
Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 17 / 22
Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

eliminação de nós: neste caso, a uma taxa igual a r, eliminamos


nós do modelo BA.
2r
γ =3+
1−r
Quando a taxa de entrada e saída de nós é igual, ou seja, r = 1,
a rede perde sua natureza livre de escala, assumindo uma
distribuição de Poisson.
idade (τ ): nós podem ter tempo de vida limitado. É o caso, por
exemplo, de redes de empresa ou atores. Pode-se estimar que a
probabilidade de ligação torna-se:

kτ −ν

onde ν é um parâmetro de escala para o parâmetro de idade τ .


Para ν positivo, nós são encorajados a se ligaram a nós mais
novos. Para ν negativo, os nós são encorajados a se ligarem a
nós mais antigos.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 18 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

(Loading Video...)

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 19 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 20 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Sumário

1 Introdução

2 Modelo de Preferential Attachment, Barabasi, Albert 1999

3 Modelo Bianconi-Barabási, 2001

4 Conclusão

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 21 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

Conclusão
Em resumo, podemos chegar a uma conclusão baseada nesta
apresentação: se quisermos entender a estrutura da rede,
devemos entender sua dinâmica. A topologia é sua
consequência.
A rede do modelo de Barabasi-Albert sempre apresentará uma lei
de potência com coeficiente igual a 3.
De acordo com o modelo Bianconi-Barabasi, a rede nem sempre
apresentará características únicas de uma lei de potência com
coeficiente igual a 3. Apresenta, por exemplo, uma log-normal em
vários casos reais.
Outros modelos de redes complementam vários aspectos, por
exemplo, nós que copiam ligações (CopyCat).

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 22 / 22


Evolving Networks - Modelo Bianconi-Barabási e comparações com o Modelo de Preferential Attachment

REFERÊNCIAS:

Barabasi, A.L. (2016). Network Science. Cambridge University Press,


Cambridge, United Kingdom.

BARABASI, A.L.; ALBERT, R. Emergence of scaling in random


networks. Science, v. 286, n. 5439, p. 509–512, oct 1999. Disponível
em: <http://dx.doi.org/10.1126/science.286.5439. 509>.

BIANCONI, G.; BARABASI, A.L. Bose-einstein condensation in


complex networks. Phys Rev Lett, v. 86, n. 24, p. 5632–5635, jun
2001. Disponível em: <http://dx.doi.org/10.1103/
PhysRevLett.86.5632>.

Alex Quintino Barbi PPGAO - FEA/RP 19 de abril de 2017 22 / 22

Você também pode gostar