[論文レビュー] AGIS: Fast Approximate Graph Pattern Mining with Structure-Informed Sampling

Seoyong Lee, Jinho Lee|arXiv (Cornell University)|Jan 4, 2026

Graph Theory and Algorithms被引用数 0

ひとこと要約

AGISは構造情報に基づく近傍サンプリングを用いた近似グラフパターンマイニングを導入し、理想的なサンプリング分布を近似し収束を制御することで、大規模なグラフで大幅な速度向上とスケーラビリティを実現します。基準法を上回り、数十億エッジのグラフにもスケールします。

ABSTRACT

Approximate Graph Pattern Mining (AGPM) is essential for analyzing large-scale graphs where exact counting is computationally prohibitive. While there exist numerous sampling-based AGPM systems, they all rely on uniform sampling and overlook the underlying probability distribution. This limitation restricts their scalability to a broader range of patterns. In this paper, we introduce AGIS, an extremely fast AGPM system capable of counting arbitrary patterns from huge graphs. AGIS employs structure-informed neighbor sampling, a novel sampling technique that deviates from uniformness but allocates specific sampling probabilities based on the pattern structure. We first derive the ideal sampling distribution for AGPM and then present a practical method to approximate it. Furthermore, we develop a method that balances convergence speed and computational overhead, determining when to use the approximated distribution. Experimental results demonstrate that AGIS significantly outperforms the state-of-the-art AGPM system, achieving 28.5x geometric mean speedup and more than 100,000x speedup in specific cases. Furthermore, AGIS is the only AGPM system that scales to graphs with tens of billions of edges and robustly handles diverse patterns, successfully providing accurate estimates within seconds. We will open-source AGIS to encourage further research in this field.

研究の動機と目的

• 現実世界の大規模グラフと複雑なパターンにおけるAGPMのスケーラビリティ課題を動機づける。
• 推定量の分散を低減し収束を加速する非一様で構造情報に基づくサンプリング分布を開発する。
• 一般的なパターンに対して理想のサンプリング分布を導出・近似し、無偏なカウントを保証する。
• 近接収束速度と計算オーバーヘッドのバランスを、近似分布のヒューリスティック適用を通じて取る。
• オープンソースのAGISシステムを提供し、最先端の基準法に対して強力な実証的利得を示す。

提案手法

• 潜在的な埋め込みに比例するサンプリング確率を一様性ではなく定義する、構造情報に基づく近傍サンプリングを定義する。
• ゼロ分散C(G,P)推定量を生み、一般条件下での無偏性を証明する理想的なサンプリング分布f_ideal(v | τ)を導出する。
• 接続性、kホップパターン分解、および補助配列を用いてn_{ τ∘v}を推定し、無偏近似f_approx(v | τ)を開発する。
• n_{τ∘v}を前方成分と内部成分に分解し、T[F_k], T[I_k], および T[F_2]項を用いてf_approxを計算する。
• サンプリングが所望の誤差範囲（無偏な枠組み）を達成したかを判断する収束検出機構を提供する。
• 構造情報に基づくサンプリングの利得を最大化するよう、マッチング順序に基づくヒューリスティックと前処理を組み込む。

実験結果

リサーチクエスチョン

• RQ1 大規模グラフにおけるAGPMで分散を低減し収束を加速するようなサンプリング確率をどのように設計すべきか？
• RQ2 真の埋め込みカウントC(G,P)を知らなくても理想分布に近い近似サンプリング分布を構築できるか？
• RQ3 提案するf_approxは無偏性を保持し現実的な収束保証を提供するか？
• RQ4 構造情報に基づくサンプリングと前処理が、様々なパターンとグラフスケールでの性能にどのような影響を与えるか？

主な発見

• AGISは最先端のAGPMシステムに対して最大で幾何平均で28.5倍の速度向上を達成。
• 一部のケースでは100,000倍超の速度向上を達成し、大規模パターンの実行時間を劇的に短縮。
• AGISは数十億エッジを超えるグラフへスケールし、多様なパターンを安定して処理し、数秒以内に正確な推定を提供。
• 構造情報に基づくサンプリングへ移行することで収束速度を大幅に改善し、均一サンプリングからの改善を実現。
• 近似サンプリング分布と収束検出機構を組み合わせ、精度、速度、オーバーヘッドのバランスをとる。
• 著者は研究を促進するオープンソースコードと成果物を提供している（GitHubリンクが記載）。