Throughout this dissertation, I have developed the network model with separate stages based on a different growing algorithm and have investigated the change of innovation diffusion dynamic by using the two stages evolving network model.
In chapter 1, I suggest the growing network model, which use a rewired ring lattice as a seed network and evolve it by using preferential attachment, to describe an evolving process divided into two stages. I then investigate how the structural properties of the modeled network vary with the structure of the initial network. As a result, I show that the topological properties of the initial network remain even after the network growth. However, its vulnerability to preferentially-attached nodes being added is not the same. Moreover, I found out that if a network grown from arbitrary structure, even if nodes are added by preferential attachment, the grown network can be a single scale or broad scale network instead of a scale-free one without the concept of aging or cost of adding links.
In chapter 2, I conduct computational simulation experiment of innovation diffusion on the modeled network introduced in chapter 1. As a result, I show that the increase of a portion of preferentially attached nodes decrease the time spent for complete diffusion in most cases. This effect becomes bigger when the initial network is clustered and nodes of network have strong inertia. The results indicate that the efficiency of diffusion can be enhanced as evolution of industry and it can be determined by topological characteristics of early stage and characteristics of nodes. And I compare the influence of topological characteristics of innovator. The results show that the increment of a portion of preferentially attached nodes increases the difference of effectiveness between types of innovators. The results show that diffusing from high-status innovator of core is always an optimal strategy for maximizing innovation diffusion speed. And diffusing from high-status innovator of peripheral shows constantly high effectiveness. In the case of low-status innovator of peripheral and low-status innovator of core, the increment of preferentially attached nodes decreases effectiveness. The results indicate that, as industry evolved, the topological position of innovator on network become more significant for diffusion of innovation.
본 연구에서는 복수의 개별적인 성장 알고리즘을 바탕으로 성장하는 복수의 성장단계를 가진 네트워크 모델을 제안하고, 이 제안된 네트워크 상에서의 이노베이션 전파에 대한 다양한 요인의 영향을 분석하였다.
1장에서는 재연결된 반지형태의 격자를 초기 네트워크로 하여 선호적 연결을 통해 성장하는 네트워크 모델을 제안하였으며, 이를 통해 두 단계로 이루어진 성장단계를 가지는 네트워크를 모사하였다. 또한 이렇게 두 단계로 성장하는 네트워크의 구조가 초기 네트워크 구조에 영향을 받는지를 검증하였다. 연구의 결과로 초기 네트워크의 구조가 네트워크가 성장한 이후에도 영향을 줌을 확인할 수 있었으며, 이러한 초기 네트워크의 위상적 특성의 영향이 유지되는 정도가 각 특성마다 다름을 확인할 수 있었다. 구체적으로는 연결수 분포의 경우에는 선호적 연결의 특성상 기존의 연결수에 따라 연결이 될 확률이 결정되므로 네트워크가 성장하더라도 기존의 연결수 분포가 크게 영향을 주기 때문에 초기 네트워크의 영향이 네트워크가 성장하는 동안 오랫동안 지속되며, 집단화 계수의 경우에는 네트워크가 성장하며 추가되는 노드들이 직접 연결된 노드들의 집단화 계수에만 영향을 주기 때문에 그 영향이 지역적으로 나타나게 되고 그 결과 초기 네트워크의 영향이 오랫동안 지속됨을 확인할 수 있었다. 반대로 평균 경로 길이의 경우에는 네트워크가 성장함에 따라 급격하게 영향이 감소함을 보였는데 이는 새로 추가된 노드들이 네트워크상의 먼 거리간을 연결하는 다리역할을 하기 때문임을 확인할 수 있었다. 또한 이렇게 성장된 네트워크는 선호적 선택을 통해 성장시켰음에도 불구하고, 연결 비용이나 노드의 노화의 개념을 도입하지 않더라도 스케일 프리 네트워크가 아닌 싱글 스케일 네트워크나 브로드 스케일 네트워크로 성장함을 확인하였다.
2장에서는 1장에서 제안한 네트워크 모델 상에서 혁신의 전파를 검증하기 위한 컴퓨터 기반의 시뮬레이션 실험을 진행하였다. 실험의 결과로 선호적 연결을 통해 추가된 노드의 비율이 증가할수록 혁신이 완전히 전파되는데 필요한 시간이 대부분의 경우에서 감소함을 볼 수 있었다. 이는 산업의 네트워크가 고도화 될수록 혁신의 전파에 필요한 시간이 감소함을 의미하며, 또한 이러한 효과는 초기 네트워크가 군집을 이루고 있거나 네트워크의 각 노드들이 강한 관성을 가지고 있을 때 증가함을 확인할 수 있었다. 이러한 결과는 산업의 네트워크가 성장함에 따라 전파효율이 증가하는 정도가 초기 네트워크의 위상적 성질과 네트워크의 노드들과 혁신의 성질에 따라 결정된다는 것을 의미한다. 또한 혁신전파자의 네트워크상의 위치에 따른 효과를 비교하였으며, 이러한 위치에 따른 혁신 전파속도의 차이가 산업의 네크워크가 고도화됨에 따라 커짐을 확인할 수 있었다. 본 연구의 결과에 따르면 중심부의 강한 영향력을 가진 혁신가가 혁신을 하는 경우 모든 경우에서 가장 빨리 혁신이 전파됨을 볼 수 있었고, 주변부의 강한 영향력을 가진 혁신가의 경우엔 중심부의 강한 영향력을 가진 노드를 이와 연결된 다른 주변부의 노드들에게 혁신을 전파시키는 방법으로 상대적으로 쉽게 감염시킬 수 있어 빠른 전파가 가능함을 볼 수 있었다. 중심부와 주변부의 약한 영향력을 가진 혁신가의 경우에는 네트워크가 고도화 됨에 따라 전파 효율이 감소함을 볼 수 있었다.
