[論文レビュー] Approximate Nearest Neighbors in the Space of Persistence Diagrams

Brittany Terese Fasy, Xiaozhou He+4 more|arXiv (Cornell University)|Dec 29, 2018

Topological and Geometric Data Analysis参考文献 38被引用数 7

ひとこと要約

本稿では、ボトルネック距離を用いたパーシステンス図の近似最近傍探索のためのデータ構造を初めて提示する。グリッドベースのスナップラウンドとマルチレベル階層インデックスを活用し、最近傍探索に対して6-近似、k番目の最近傍に対して24-近似を達成する。計算時間はO((m log n + m²) log τ)、空間計算量はO(n5^m τ)であり、線形のボトルネック距離計算を回避することで性能保証が得られる。

ABSTRACT

Persistence diagrams are important tools in the field of topological data analysis that describe the presence and magnitude of features in a filtered topological space. However, current approaches for comparing a persistence diagram to a set of other persistence diagrams is linear in the number of diagrams or do not offer performance guarantees. In this paper, we apply concepts from locality-sensitive hashing to support approximate nearest neighbor search in the space of persistence diagrams. Given a set $Γ$ of $n$ $(M,m)$-bounded persistence diagrams, each with at most $m$ points, we snap-round the points of each diagram to points on a cubical lattice and produce a key for each possible snap-rounding. Specifically, we fix a grid over each diagram at several resolutions and consider the snap-roundings of each diagram to the four nearest lattice points. Then, we propose a data structure with $τ$ levels $\mathbb{D}_τ$ that stores all snap-roundings of each persistence diagram in $Γ$ at each resolution. This data structure has size $O(n5^mτ)$ to account for varying lattice resolutions as well as snap-roundings and the deletion of points with low persistence. To search for a persistence diagram, we compute a key for a query diagram by snapping each point to a lattice and deleting points of low persistence. Furthermore, as the lattice parameter decreases, searching our data structure yields a six-approximation of the nearest diagram in $Γ$ in $O((m\log{n}+m^2)\logτ)$ time and a constant factor approximation of the $k$th nearest diagram in $O((m\log{n}+m^2+k)\logτ)$ time.

研究の動機と目的

• ボトルネック距離を用いたパーシステンス図空間における最近傍探索の線形時間計算の非効率性を解消すること。
• 標準的なメトリックベースのインデキシング手法が無効となる、(M,m)-有界パーシステンス図の無限のダブリング次元を克服すること。
• 性能保証付きの近似最近傍クエリをサポートするデータ構造を設計すること。
• 大規模な図の集合に対してクエリ図と比較するコストを低減することで、スケーラブルなトポロジカルデータ解析を可能にすること。
• 確率的スナップラウンドの落とし穴を回避し、決定論的なクエリ品質を保証する実用的なインデキシングソリューションを提供すること。

提案手法

• 複数の解像度で均一グリッドを用い、各パーシステンス図の点を最も近いグリッド点にスナップラウンドし、各ラウンドに対応するキーを生成する。
• τレベルからなるマルチレベルデータ構造D_τを構築し、データセットΓ内の各図のスナップラウンドをグリッド解像度を段階的に高める形で格納する。
• 各レベルが粗いグリッドに対応する階層的インデキシングスキームを用い、効率的なキーに基づく探索と近似を実現する。
• クエリ図に対しては、同じスナップラウンド処理を実行してキーを生成し、D_τを検索して有界な近似要因内の候補図を取得する。
• グリッド線上やエッジ上にある点などのエッジケースに対処するため、隣接グリッド点に対しても追加のキーを生成し、空間的・時間的計算量を維持する。
• 決定論的なスナップラウンドを通じて局所性に敏感なハッシュの原則を活用し、近接する図との衝突確率を保証する。

実験結果

リサーチクエスチョン

• RQ1 パーシステンス図空間において、性能保証付きの近似最近傍探索を実現できるか？
• RQ2 既存の手法が、この空間における最近傍探索で性能保証を提供できないのはなぜか？
• RQ3 近似品質を維持しつつ、線形のボトルネック距離計算を回避できるデータ構造を設計することは可能か？
• RQ4 グリッド解像度およびスナップラウンド戦略の選択が、近似要因とクエリ効率にどのように影響するか？
• RQ5 決定論的な幾何的ラウンド技術を用いて、パーシステンス図の無限のダブリング次元を回避できるか？

主な発見

• (M,m)-有界パーシステンス図のダブリング次元は無限であり、有界ダブリングに依存するメトリックベースのインデキシング手法を無効にしている。
• 提案されたデータ構造は、最近傍探索に対して6-近似、k番目の最近傍に対して24-近似を達成する近似最近傍探索をサポートする。
• クエリ時間はO((m log n + m²) log τ)であり、図の数に対してサブライン時間であり、大規模データセットにおいても効率的である。
• 空間計算量はO(n5^m τ)であり、mに関して指数的であるが、mが小さい場合やτが管理可能な場合に実用的であり、特に点の分布に配慮した最適化により効果的である。
• 確率的スナップラウンドを回避することで、誤検出のリスクが排除され、決定論的なクエリ結果が保証される。
• 特にポリゴナルカーブなどの他の分野における指数的空間を要する構造と比較して、同様の問題に対して空間効率が優れている。