랜덤 그래프를 작은 세계로 변환하는 방랑법

본 논문은 “작은 세계”(Small‑World) 네트워크가 실제 복잡계에서 보이는 네 가지 핵심 특성—희소성, 짧은 평균 경로 길이, 높은 클러스터링 계수, 무거운 꼬리 차수 분포—을 만족하도록 무작위 그래프를 변형하는 새로운 방법을 제시한다. 먼저, 저자들은 작은 세계의 정의를 명확히 하고, 기존 생성 모델들을 검토한다. 와츠‑스토츠츠 모델은 규칙적인 격자에 소수의 재배선으로 클러스터링과 직경을 조절하지만 차수 분포가 거의 정규에 가깝다. 클라인버그 모델은 거리 기반 장거리 연결을 도입해 직경을 줄이지만 역시 차수 분포가 균등하다. 선호적 연결 모델(Barabási‑Albert 등)은 차수 분포만을 파워‑법칙으로 만들지만 클러스터링이 낮다. 따라서 네 가지 특성을 동시에 만족시키는 통합 모델이 필요하다. 저자들은 무작위 그래프 위에서 ‘랜덤 워크’를 수행하고, 워크 후 정점 u에서 정점 v에 도달할 확률을 행렬