論文の概要: Evaluating Global Measures of Network Centralization: Axiomatic and Numerical Assessments
- arxiv url: http://arxiv.org/abs/2511.21849v1
- Date: Wed, 26 Nov 2025 19:24:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.263731
- Title: Evaluating Global Measures of Network Centralization: Axiomatic and Numerical Assessments
- Title（参考訳）: ネットワーク中央化のグローバルな評価--軸性評価と数値評価
- Authors: Majid Saberi, Samin Aref,
- Abstract要約: ネットワーク集中化の11の尺度を正規化し,公理的枠組みと数値シミュレーションを用いて評価する。
その結果,中央集権化の定量化が共通の目的であるにもかかわらず,大きな違いがあることが示唆された。
これら3つの指標を現実世界のネットワークに適用すると、ハブに対するネットワークの組織化に有意義な変化が明らかになる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Network centralization, driven by hub nodes, impacts communication efficiency, structural integration, and dynamic processes such as diffusion and synchronization. Although numerous centralization measures exist, a major challenge lies in determining measures that are both theoretically sound and empirically reliable across different network contexts. To resolve this challenge, we normalize 11 measures of network centralization and assess them systematically using an axiomatic framework and numerical simulations. Our axiomatic assessment tests each measure against the six postulates of centralization, ensuring consistency with minimal theoretical requirements. In addition, our numerical assessment examines the behavior of normalized centralization measures over different random graphs. Our results indicate major differences among the measures, despite their common aim of quantifying centralization. Together, our assessments point to the relative suitability of three measures: normalized betweenness centralization, normalized closeness centralization, and normalized degree centralization. Applying these three measures to real-world networks from diverse domains reveals meaningful variation in the organization of the networks with respect to hubs. Normalized betweenness centralization highlights path-based dominance; normalized closeness centralization reflects accessibility and efficiency of reach; and normalized degree centralization captures degree-based hub concentration. When used jointly, the three measures demonstrate the required sensitivity to varying levels of centralization and provide complementary aspects of network centralization that no single measure can offer alone. Our dual evaluation framework clarifies conceptual differences among existing measures and offers practical guidance for selecting reliable centralization metrics.
- Abstract（参考訳）: ハブノードによって駆動されるネットワーク集中化は、通信効率、構造統合、拡散や同期のような動的なプロセスに影響を与える。
多くの中央集権化対策が存在するが、理論上は健全で、異なるネットワークコンテキストで経験的に信頼できる措置を決定することが大きな課題である。
この課題を解決するため,11のネットワーク集中化尺度を正規化し,公理的枠組みと数値シミュレーションを用いてそれらを体系的に評価する。
我々の公理的評価は、それぞれが6つの中心化の仮定に対して測定し、最小限の理論的要件との整合性を確保する。
さらに,異なるランダムグラフ上の正規化集中化尺度の挙動を数値解析により検討した。
その結果,中央集権化の定量化が共通の目的であるにもかかわらず,大きな違いがあることが示唆された。
評価の結果,正規化度合集中,正規化度合集中,正規化度合集中の3つの尺度の相対的適合性について考察した。
これら3つの対策を多様なドメインから現実世界のネットワークに適用すると、ハブに対するネットワークの組織化に有意義な変化が明らかになる。
正規化相互中央集権化は経路に基づく支配を強調し、正規化近接集権化は到達可能性と到達効率を反映し、正規化度中央集権化は緯度に基づくハブ集権化を捉えている。
共同で使用する場合、3つの尺度は、異なるレベルの中央集権化に対して要求される感度を示し、単独で提供できないようなネットワーク集中化の相補的な側面を提供する。
両評価フレームワークは,既存の尺度間の概念的差異を明らかにし,信頼性の高い集中化指標を選択するための実践的なガイダンスを提供する。
関連論文リスト
- Decentralized Ranking Aggregation: Gossip Algorithms for Borda and Copeland Consensus [2.4382430407654767]
我々は,古典的ルールを分散した環境で,集団ランキングに関する信頼性の高いコンセンサスを実現する方法について検討する。
我々はボルダとコープランドのコンセンサス法に対して、明示的なレート境界を含む収束保証を提供する。
我々のアルゴリズムは、正しいランキングアグリゲーションに迅速かつ確実に収束する。
論文 参考訳（メタデータ） (2026-02-26T10:37:23Z) - Beyond Centralization: Provable Communication Efficient Decentralized Multi-Task Learning [7.147459905796264]
特徴が低ランク構造を共有する分散マルチタスク表現学習について検討する。
分散環境では、タスクデータは複数のノードに分散され、ノード間の情報交換は通信ネットワークによって制限される。
論文 参考訳（メタデータ） (2025-12-27T18:44:43Z) - SoK: Measuring Blockchain Decentralization [7.274273862904251]
ブロックチェーンシステムのコンテキストでは、分散化の重要性は、それを計測する広く受け入れられている方法論が欠如していることによって弱まります。
対象とするリソースに基づいて,前回の作業で使用したすべての測定テクニックを分類するフレームワークを提案する。
我々は、このフレームワークを、前処理で使われる様々な前処理ステップとメトリクスが、同じ基盤となる分散化の概念を捉えているかどうかを評価するための経験的分析で補完する。
論文 参考訳（メタデータ） (2025-01-30T11:37:34Z) - Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
平均フィールドゲームフレームワークにネットワーク通信を導入する。
当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。
ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
論文 参考訳（メタデータ） (2023-06-05T10:45:39Z) - Optimal Algorithms for Decentralized Stochastic Variational Inequalities [113.43047601775453]
この作業は、ますます重要になるが十分に理解されていない分散的な設定に集中する。
通信と局所的な繰り返しの両方の下位境界を示し、これらの下位境界に一致する最適なアルゴリズムを構築する。
我々のアルゴリズムは、分散化されたケースだけでなく、決定論的で非分散的な文献でも利用できる。
論文 参考訳（メタデータ） (2022-02-06T13:14:02Z) - Decentralized Local Stochastic Extra-Gradient for Variational
Inequalities [125.62877849447729]
我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。
我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。
理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
論文 参考訳（メタデータ） (2021-06-15T17:45:51Z) - Consensus Control for Decentralized Deep Learning [72.50487751271069]
ディープラーニングモデルの分散トレーニングは、ネットワーク上のデバイス上での学習と、大規模計算クラスタへの効率的なスケーリングを可能にする。
理論上、トレーニングコンセンサス距離が重要な量よりも低い場合、分散化されたトレーニングは集中的なトレーニングよりも早く収束することを示す。
私たちの経験的な洞察は、パフォーマンス低下を軽減するために、より分散化されたトレーニングスキームの原則設計を可能にします。
論文 参考訳（メタデータ） (2021-02-09T13:58:33Z) - Top influencers can be identified universally by combining classical
centralities [0.6853165736531939]
単一の中央集権が常に優れた地位を持つことはない。
特定の中央のペアは、特に統計学的にトップスプレッドラーと他のスプレッドラーの境界を描くのによく協力する。
スーパースレッダとして選択されたノードは通常、両方の中央値の最大化を共同で行う。
論文 参考訳（メタデータ） (2020-06-13T15:12:28Z) - F2A2: Flexible Fully-decentralized Approximate Actor-critic for
Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。
本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。
当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
論文 参考訳（メタデータ） (2020-04-17T14:56:29Z) - GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。
我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。
結果として得られるアルゴリズム、GenDICEは単純で効果的である。
論文 参考訳（メタデータ） (2020-02-21T00:27:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。