[論文レビュー] A simpler sublinear algorithm for approximating the triangle count

C. Seshadhri|arXiv (Cornell University)|May 8, 2015

Complexity and Algorithms in Graphs参考文献 36被引用数 14

ひとこと要約

この論文は、次数、隣接頂点、エッジクエリを用いて、無向グラフ内の三角形の数を近似するより単純なサブリニアアルゴリズムを提示する。期待時間 $O(\text{poly}(\varepsilon^{-1}\log n)(n/t^{1/3} + m^{3/2}/t))$ で $(1+\varepsilon)$-近似を達成し、Eden, Levi, and Ron (2015) の最先端の実行時間と一致するが、解析とアルゴリズム構造が著しく単純化されている。

ABSTRACT

A recent result of Eden, Levi, and Ron (ECCC 2015) provides a sublinear time algorithm to estimate the number of triangles in a graph. Given an undirected graph $G$, one can query the degree of a vertex, the existence of an edge between vertices, and the $i$th neighbor of a vertex. Suppose the graph has $n$ vertices, $m$ edges, and $t$ triangles. In this model, Eden et al provided a $O(\poly(\eps^{-1}\log n)(n/t^{1/3} + m^{3/2}/t))$ time algorithm to get a $(1+\eps)$-multiplicative approximation for $t$, the triangle count. This paper provides a simpler algorithm with the same running time (up to differences in the $\poly(\eps^{-1}\log n)$ factor) that has a substantially simpler analysis.

研究の動機と目的

• Eden, Levi, and Ron (2015) が提案した複雑な頂点バケツ化と集中不等式に基づく解析を必要としていた、サブリニアな三角形カウントのアルゴリズムを単純化すること。
• 同じ漸近的実行時間複雑度を達成しながら、アルゴリズム的および解析的複雑度を低減すること。
• Chiba-Nishizeki の三角形カウントフレームワークからのサンプリングを活用することで、サブリニアな三角形カウントに対してより直感的かつアクセスしやすいアプローチを提供すること。
• スムーズなサンプリングと推定戦略により、高確率で $(1+\varepsilon)$-乗法的近似保証を維持すること。
• より洗練された先行手法に匹敵する性能を達成しつつ、アルゴリズム的設計を単純化することで、明快さを高めつつ効率性を損なわないことを示すこと。

提案手法

• Chiba-Nishizeki アルゴリズムにインspiredされたサンプリングに基づくアプローチを採用し、エッジを列挙して共通の隣接頂点数を数えることで三角形を特定する。
• エッジを一様にランダムにサンプリングし、各サンプルされたエッジ $e = (u,v)$ に対して、次数が低い方の端点 $u$ のランダムな隣接頂点 $w$ を選び、$\{u,v,w\}$ が三角形を形成するかをテストする。
• 確率変数 $X$ を、3つの頂点が三角形を形成する場合に $d_u$ を値とし、それ以外の場合は 0 を値とする。$X$ の期待値は $3t/m$ であり、平均化によって $t$ の推定が可能になる。
• 分散に配慮したサンプリング：三角形インジケータの分散が大きいエッジについては、濃度を確保するためにサンプル数を増やす。
• まず、幾何的探索を用いて $m$ の推定を行う。平均次数の新しい推定器を構築し、テイルバウンドの議論を用いる。
• 複数の独立した推定値を組み合わせ、最小値を取ることで信頼性を高め、高確率での正確性を保証するためのメジアン・オブ・ミニマ戦略を用いる。

実験結果

リサーチクエスチョン

• RQ1 Eden, Levi, and Ron (2015) の手法と同等のサブリニア実行時間で、クエリモデルにおける三角形カウントに、より単純なアルゴリズムを適用できるか？
• RQ2 過去の研究で用いられた複雑な頂点バケツ化とタイプ別集中不等式解析を単純化できるか、同じ漸近的性能を維持できるか？
• RQ3 Chiba-Nishizeki フレームワークに根ざしたサンプリングベースの推定器を、解析的負荷を低減しつつ $(1+\varepsilon)$-近似を達成するために適応可能か？
• RQ4 Feige (2006) や Goldreich-Ron (2008) の複雑な道具を避けても、平均次数をサブリニア時間で単純なテイルバウンド議論で推定可能か？
• RQ5 サブリニア時間で $(1+\varepsilon)$-近似を達成するために、必要な最小限の仮定とアルゴリズム的要素は何か？

主な発見

• 提案されたアルゴリズムは、三角形の数 $t$ に対して、確率 $2/3$ 以上で $(1+\varepsilon)$-乗法的近似を達成する。
• 期待実行時間は $O(\text{poly}(\varepsilon^{-1}\log n)(n/t^{1/3} + m^{3/2}/t))$ であり、Eden, Levi, and Ron (2015) の最高水準の実行時間と一致する。
• 複雑な頂点バケツ化とタイプ分類を避けることで、解析が単純化され、エッジと隣接頂点に対する直接的なサンプリング戦略に置き換えられている。
• 頂点に全順序を導入し、隣接頂点のサンプリングを用いることで、平均次数の新しい推定器を構築し、$m$ の幾何的探索に適した形で、$O(\varepsilon^{-3.5}\log(\varepsilon^{-1}\log n)n/\sqrt{m})$ のクエリ複雑度を達成した。
• 繰り返しサンプリングを行い、最小値のメジアンを取ることで、成功確率を $1 - \delta$ に高めることができ、総クエリ複雑度は $O(\text{poly}(\varepsilon^{-1}\log n)\min(m, n/t^{1/3} + m^{3/2}/t))$ となる。
• 洗練されたサンプリングベースのアプローチが、より複雑な先行手法と同等の性能を達成でき、解析的複雑度を著しく低減できることを示した。