技術要約：$\theta_g$-ファジィ・ネットワークにおける統一ファジィ中心性プロファイルとランキングの安定性

1. 問題提起

現実世界のネットワークには、エッジがバイナリ（二値）の接続ではなく、強さ、信頼性、または可用性の変動するレベルを表すような、不確実または段階的な関係が含まれることが多い。ファジィグラフ理論はこのようなシステムのモデリングのための枠組みを提供するが、中心性分析において重大な課題が生じる。すなわち、異なるファジィ中心性尺度（例：次数、近接性、媒介性、Katzなど）が、頂点の重要性に関する相反するランキングを誘発することがある。

単一の中心性指標では、局所的、距離ベース、経路ベース、近傍ベース、およびウォークベースの視点を通じて捉えられることができる、多面的な頂点の重要性を十分に捉えきれない場合がある。さらに、ファジィ連結性と支配に関する既存の研究では、任意の異なる頂点ペアに対して一意に決定されるサイクルの強さ評価を持つ、$\theta_g$-ファジィグラフのような特定の構造的設定が確立されている。しかし、この特定の構造的設定内において、複数の中心性次元にわたって頂点の重要性を分析し、ランキングの安定性を評価するための統一的な枠組みは欠けていた。

2. 手法

本論文は、$\theta_g$-ファジィグラフに特化して設計された統一ファジィ中心性プロファイル・フレームワークを提案する。手法は以下のステップで進行する。

2.1 構造的基礎

本フレームワークは、任意の異なる頂点 $u, v$ に対して、サイクルの強さの集合 $\theta_g(u, v)$ が空集合または単集合であると定義される$\theta_g$-ファジィグラフ上で動作する。これにより、サイクリックな関係が明確に定義される。これは、特定の頂点ペアを含むすべてのサイクルが、一意のボトルネック強度を共有するグラフによって満たされる条件である。

2.2 入力尺度

フレームワークは、以下のものを含む一連のファジィ中心性尺度 $\mathcal{M} = \{C_1, C_2, \dots, C_q\}$ を利用する。

• 局所的／近傍ベース: ファジィ次数 ($C_D$)、アルターベース ($C_{AC}$)、およびアルターベース・パワー ($C_{AP}$)。
• 距離ベース: チェビシェフ距離を用いたファジィ近接性 ($C_C$)、およびファジィ離心率 ($C_{ecc}$)。
• 経路ベース: 経路強度に基づくファジィ媒介性 ($C_B$)。
• ウォークベース: ファジィKatz ($C_K$) およびファジィ部分グラフ ($C_{sub}$) 中心性。

2.3 プロファイルの構築

1. 正規化: 各生の中心性尺度 $C_j$ は、グラフ内の最大値で割ることにより、値 $\hat{C}_j(v) \in [0, 1]$ に正規化される。これにより、異種混合の尺度を共通のスケール上に配置する。
2. プロファイル・ベクトル: 各頂点 $v$ について、正規化されたスコアのベクトル $(\hat{C}_1(v), \hat{C}_2(v), \dots, \hat{C}_q(v))$ としてファジィ中心性プロファイル $\Phi_{\mathcal{M}}(v)$ を構築する。

2.4 集計と比較

• 統合スコア: 特定の分析的優先順位（許容可能な重みベクトル $\omega$）に基づいたスカラー・ランキングを生成するために、加重和 $C_\omega(v) = \sum \omega_j \hat{C}_j(v)$ を計算する。
• プロファイル支配: 重みに依存しない比較が導入される。頂点 $u$ が $v$ を支配する（$u \succeq_\Phi v$）とは、すべての $j$ について $\hat{C}_j(u) \ge \hat{C}_j(v)$ であることを指す。他の頂点によって厳密に支配されない頂点は、プロファイル非支配頂点 ($ND_\Phi(G)$) の集合を形成する。

2.5 安定性分析

ランキングの不一致に対処するため：

• Top-$k$ 重複: 異なる2つの中心性尺度のトップ-$k$ セット間の合致度を測定する。
• 安定性スコア ($Stab_k(v)$): 頂点 $v$ が、$\mathcal{M}$ の中の何割の尺度においてトップ-$k$ リストに含まれているかの割合を計算する。
• 閾値安定集合: 安定性スコアが閾値 $\tau$ を超える頂点を、安定中心頂点として特定する。

3. 主な貢献

1. 統一プロファイル・フレームワーク: 本論文は、頂点の重要性を単一のスカラーではなく多次元ベクトルとして表現する方法を導入し、$\theta_g$-ファジィグラフにおける局所的、距離、経路、およびウォークベースの重要性を同時に分析することを可能にする。
2. 重みに依存しない支配: 主観的な重みの割り当てを必要とせずに構造的に重要な頂点を特定する支配関係 ($\succeq_\Phi$) を確立し、これを多基準最適化におけるパレート最適性に結びつける。
3. 安定性メトリクス: Top-$k$ 重複と安定性スコアの導入により、多様な構造的視点にわたるランキングの一貫性を評価するための定量的ツールを提供する。
4. $\theta_g$-構造への検証: フレームワークは$\theta_g$-ファジィグラフに対して厳密にテストされており、共有エッジを持つサイクリック・コア（サイクルがエッジを共有しているが、一意の強度評価を維持している）を持つグラフにおいても、プロファイル・アプローチが安定した中心ノードを効果的に特定できることを示している。

4. 結果

論文は3つの数値実験を通じてフレームワークを検証している：

• 小規模な例証的例: 構築された8頂点の$\theta_g$-ファジィグラフは、異なる尺度が異なるトップ3のランキングを生み出す一方で、プロファイル・フレームワークが頂点 $f_3$ と $f_4$ を安定（75%の尺度でトップ3リストに登場）として特定することを示した。
• 構築されたランキング不一致例: 共有エッジを持つサイクリック・コアを持つ12頂点のグラフは、顕著なランキングの乖離を示した。例えば、近接性中心性は、次数およびKatz中心性と比較して、互いに素なトップ5セットを選択した。しかし、安定性分析により、頂点 $u$ と $v$（共有エッジのコア）は8つの尺度のうち87.5%で安定していた一方、全8つの尺度すべてによって選択された頂点は存在しないことが明らかになった。
• 実トポロジーに基づくシミュレーション: 「Karen」インターネット・トポロジー（25頂点）を用い、$\theta_g$ 条件を満たすようにリンク速度とノード次数に基づいてファジィメンバシップを割り当てた。結果、近接性中心性（ファジィ距離に基づく）は、トップ5レベルにおいて他の尺度との重複がゼロであった。逆に、頂点 PNR（安定性 0.875）および WLG（安定性 0.750）が最も安定した中心ノードとして特定され、これらは大多数のファジィ中心性尺度においてトップ5リストに含まれていた。

5. 意義と主張

本論文は、提案されたプロファイル・ベースのアプローチが、単一のファジィ中心性尺度よりも、不確実なネットワークにおける頂点の重要性についてより堅牢な理解を提供すると主張している。正規化と複数の視点の集計により、本フレームワークは以下を実現する：

• 曖昧さの解消: （局所的 vs 全域的、経路 vs ウォークといった）特定の構造的視点に関わらず、一貫して重要な「安定中心頂点」の特定を可能にする。
• 一貫性の定量化: 異なる中心性モデル間の不一致の程度を明示的に測定するためのメトリクス（重複および安定性スコア）を提供する。
• 適用可能性: フレームワークは、明確なサイクリック構造を持つグラフのクラスである$\theta_g$-ファジィグラフに適用可能であり、実世界のトポロジー・シミュレーションに見られる非一様なファジィメンバシップを扱うことができる。

著者らは、安定した中心頂点は、多次元的なプロファイル比較を通じてより良く理解されると結論付けている。また、今後の研究として、データ駆動型のメンバシップ推定、大規模ネットワークのためのスケーラブルな計算、および動的またはマルチレイヤーの$\theta_g$-ファジィ・グラフモデルへの拡張を提案している。