[論文レビュー] A Survey and Taxonomy of Graph Sampling

Pili Hu, Wing Cheong Lau|arXiv (Cornell University)|Aug 23, 2013

Complex Network Analysis Techniques参考文献 54被引用数 126

ひとこと要約

本調査では、グラフサンプリング技法の包括的な分類を提示し、サンプリングの目的、ネットワークの種別、および頂点、エッジ、走査ベースのサンプリングなどのアプローチによって分類している。さまざまなサンプリング手法の下で、次数分布、モジュラリティ、コンductanceなどのグラフ特性がどのように保持されるかを体系的に分析し、効率的なグラフ解析およびアルゴリズム高速化のための理論的基盤と実用的ガイドラインを提供する。

ABSTRACT

Connectivity is one of the important fundamental structural properties of graphs, and a graph drawing D should faithfully represent the connectivity structure of the underlying graph G. This paper investigates connectivity-faithful graph drawing leveraging the famous Nagamochi-Ibaraki (NI) algorithm, which computes a sparsification G_NI, preserving the k-connectivity of a k-connected graph G. Specifically, we first present CFNI, a divide-and-conquer algorithm, which computes a sparsification G_CFNI, which preserves the global k-connectivity of a graph G and the local h-connectivity of the h-connected components of G. We then present CFGD, a connectivity-faithful graph drawing algorithm based on CFNI, which faithfully displays the global and local connectivity structure of G. Extensive experiments demonstrate that CFNI outperforms NI with 66% improvement in the connectivity-related sampling quality metrics and 73% improvement in proxy quality metrics. Consequently, CFGD outperforms a naive application of NI for graph drawing, in particular with 62% improvement in stress metrics. Moreover, CFGD runs 51% faster than drawing the whole graph G, with a similar quality.

研究の動機と目的

• サンプリングの目的、ネットワークの種別、およびサンプリングアプローチ（頂点、エッジ、走査ベース）に基づいて、グラフサンプリング手法の統一的分類を確立すること。
• さまざまなサンプリング技法の下でどのグラフ特性が保持されるかを特定し、サンプルグラフ上で信頼性のある推定を可能にすること。
• 理論的分析と実装の間を橋渡しするために、サンプリング手法と特性保持の関係を形式化すること。
• 既存研究におけるギャップを浮き彫りにし、グラフサンプリングのための体系的かつ中立的な評価フレームワークの構築を提唱すること。
• サンプルグラフにおける特性の保持を活用することで、グラフアルゴリズムの高速化の基盤を提供すること。

提案手法

• グラフサンプリングを、サンプリングの目的（例：サイズ削減、探索）、ネットワークの種別（例：ソーシャル、ウェブ）、およびサンプリングアプローチ（頂点、エッジ、走査ベース）の3つの次元に分類する。
• 理論的サンプリング特性と実装の間の関係を形式化する一般フレームワークを導入する。
• BFS、ランダムウォーク、メトロポリス・ハスティングス、フォレストファイアを含む10種類の走査ベースのサンプリング手法を分析し、それらの間の正式な関係を提示する。
• グラフ特性を古典的（例：次数、密度）、高度な（例：コンductance、モジュラリティ）、および距離メトリクスに分類し、比較のための基準を提供する。
• 確率的およびスペクトルグラフ理論を用いて、平均次数やネットワークサイズの不偏推定などの特性保持に関する理論的結果を導出する。
• 特に有効抵抗とエッジの強い連結性を用いた非一様エッジサンプリングについて、既存の理論的結果の拡張を提案する。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、さまざまなサンプリング技法の下でグラフ特性が保持されるのか。
• RQ2 大規模なグラフ解析において、正確性と効率性を保証するための、サンプリングに基づく推定器をどのように構築できるか。
• RQ3 ランダムウォークとフォレストファイアのような、さまざまな走査ベースのサンプリング手法の間の理論的および実用的トレードオフは何か。
• RQ4 サンプルグラフがモジュラリティ、コンダクタンス、カット値などの構造的特性をどの程度保持できるか。
• RQ5 多様なグラフ種別および特性に対して、サンプリングアルゴリズムを公平に比較できる体系的評価フレームワークをどのように設計できるか。

主な発見

• 一様な頂点サンプリングでは、平均次数は期待値として保持されるが、周辺部の包含がなければ次数分布は一般に保持されない。
• 縮約を伴うエッジサンプリングは、特定の条件下で最小カット値を高い確率で保持し、スパースなカットの正確な推定を可能にする。
• メトロポリス・ハスティングスのランダムウォークは一様な定常分布を保証するため、グラフ特性の不偏サンプリングに適している。
• 有効抵抗を用いた非一様エッジサンプリングは、二次形式およびスペクトル特性の正確な推定を可能にする。
• BFS やランダムウォークのような走査ベースの手法は、スケールフリー・ネットワークにおいて、ネットワークサイズや次数分布の推定にバイアスを生じる可能性がある。
• 理論的結果から、MIRW や MDRW といった特定のサンプリング手法は、単純なランダムウォークに比べて混合性を向上させ、推定の分散を低減することが示された。