[論文レビュー] A polynomial-time iterative algorithm for random graph matching with non-vanishing correlation

Jian Ding, Zhangsong Li|arXiv (Cornell University)|Jun 1, 2023

Random Matrices and Applications被引用数 4

ひとこと要約

本稿では、非消滅する辺相関を有する2つの相関付きErdős–Rényiランダムグラフのマッチングに対して、多項式時間の反復的アルゴリズムを提示する。これは、$ n^{-\alpha+o(1)} $ の割合で密度が低下する $ \alpha \in [0,1) $ の場合でも成立する。アルゴリズムは高確率で隠れた頂点対応を回復でき、これは、すべての辺密度領域において非消滅相関が成立する最初の結果である。特に、オッター定数の平方根（約0.338）未満の相関でも成立する。

ABSTRACT

We propose an efficient algorithm for matching two correlated Erdős--Rényi graphs with $n$ vertices whose edges are correlated through a latent vertex correspondence. When the edge density $q= n^{- α+o(1)}$ for a constant $α\in [0,1)$, we show that our algorithm has polynomial running time and succeeds to recover the latent matching as long as the edge correlation is non-vanishing. This is closely related to our previous work on a polynomial-time algorithm that matches two Gaussian Wigner matrices with non-vanishing correlation, and provides the first polynomial-time random graph matching algorithm (regardless of the regime of $q$) when the edge correlation is below the square root of the Otter's constant (which is $\approx 0.338$).

研究の動機と目的

• 非消滅相関下でも動作する、効率的なアルゴリズムの開発により、ランダムグラフマッチングにおける計算ギャップを埋める。
• 従来のアルゴリズムが多項式時間で成功するには、オッター定数の平方根（約0.338）を超える相関が必要であったという制限を克服する。
• 反復的マッチングアルゴリズムの適用範囲を、ガウス型ウィグナー行列から、相関付き辺を持つスパースランダムグラフへ拡張する。
• グラフのスパarsityと相関レベルの変化に対して、反復的アルゴリズムフレームワークのロバスト性を示し、アルゴリズム設計における普遍性を示唆する。
• ランダムグラフマッチングにおけるアルゴリズムの普遍性の理論的基盤を提供し、将来の構造的モデル（ストークスティックブロックや幾何的グラフなど）の研究を促進する。

提案手法

• 相関付きガウス型ウィグナー行列に関する先行研究をもとにした反復的アルゴリズムを提案し、それをスパースなErdős–Rényiグラフに適応する。
• 傾き付き測度とガウス近似を用いて、マッチングプロセスにおける辺相関信号の挙動を分析する。
• 誤差伝播と頂点の誤対応を制御するため、$ \mathcal{E}_\diamond $、$ \mathcal{B}_{t^*} $、および $ \mathtt{U} $ などの重要な事象を定義する。
• 未マッチド頂点をチェーン構造に基づいて処理するフィニッシュステップを採用し、高確率での回復を保証する。
• 和集合の上限と集中不等式を適用して、大規模な失敗マッチング集合の確率を抑え、$ \Delta \ll \varepsilon $ および $ \Delta \leq e^{-(\log\log n)^8} $ を活用する。
• 局所的近隣相関をモデル化し、信号強度の上限を導出するために、スペクトル的な成分 $ g_{t^* - 1}Y(k,v) $ と $ \check{Y}(k,v) $ を用いる。

実験結果

リサーチクエスチョン

• RQ1 辺相関が非消滅であっても、低辺密度下で、多項式時間アルゴリズムが隠れた頂点対応を回復できるか？
• RQ2 ガウス行列マッチングから得た反復的アルゴリズムフレームワークは、相関付き辺を持つスパースランダムグラフへ拡張可能か？
• RQ3 既存の多項式時間アルゴリズムが失敗する最小の相関閾値は何か？本研究はその障壁を打ち破れるか？
• RQ4 辺密度が $ n^{-\alpha+o(1)} $ で減少する際、$ \alpha < 1 $ の場合に、アルゴリズムがどのように高確率で成功を維持するか？
• RQ5 反復的マッチングアルゴリズムは、スパarsityと弱い相関に対してどれほどロバストか？これは、さまざまなランダムグラフモデルへの普遍性を示唆するか？

主な発見

• アルゴリズムは、ある定数 $ C = C(\alpha, \rho) $ に対して多項式時間複雑度 $ O(n^C) $ を達成する。これは、$ \alpha < 1 $ の限り、辺密度の低下割合に依存しない。
• 辺相関 $ \rho \in (0,1] $ が非消滅する限り、隠れたマッチング $ \pi $ の回復確率が $ 1 - o(1) $ で成立する。
• 相関 $ \rho \to 0 $ に近づくと、実行時間の指数 $ C $ は無限大に近づくため、現在のフレームワーク下ではこれが最良の依存関係である可能性がある。
• アルゴリズムは、$ \alpha \in [0,1) $ の範囲で、$ q = n^{-\alpha+o(1)} $ の辺密度まで処理可能であり、平均次数がゆっくりと増加するスパース領域も含む。
• 証明により、失敗マッチングの数が $ O(n / \log n) $ で抑えられ、フィニッシュステップにより、少なくとも $ m/4 - n/(\log n)^2 $ のマッチングが回復可能であり、これは非線形的である。
• 誤差項は $ \Delta^{10} $ および $ \exp\{-(\log n)^{1.8}\} $ の尾部境界により制御され、高確率事象におけるガウス近似に依存している。