[論文レビュー] Deep Analysis on Subgraph Isomorphism

Li Zeng, Yan Jiang+2 more|arXiv (Cornell University)|Dec 12, 2020

Graph Theory and Algorithms参考文献 26被引用数 6

ひとこと要約

本論文は、実装やプラットフォームのバイアスを排除するため、同じプラットフォーム上でC++で再実装することで、7つの最先端の部分グラフ同型マッチングアルゴリズムを厳密かつ公平に比較した。時間効率とメモリ消費量の両面でVF3、QuickSI、DAFが上位にランクされた。VF3とBoostISOに深刻なバグが発覚し、インデックスベースのプルーニング手法が一貫した性能向上をもたらさないことが明らかになった。

ABSTRACT

Subgraph isomorphism is a well-known NP-hard problem which is widely used in many applications, such as social network analysis and knowledge graph query. Its performance is often limited by the inherent hardness. Several insightful works have been done since 2012, mainly optimizing pruning rules and matching orders to accelerate enumerating all isomorphic subgraphs. Nevertheless, their correctness and performance are not well studied. First, different languages are used in implementation with different compilation flags. Second, experiments are not done on the same platform and the same datasets. Third, some ideas of different works are even complementary. Last but not least, there exist errors when applying some algorithms. In this paper, we address these problems by re-implementing seven representative subgraph isomorphism algorithms as well as their improved versions, and conducting comprehensive experiments on various graphs. The results show pros and cons of state-of-the-art solutions and explore new approaches to optimization.

研究の動機と目的

• プログラミング言語、コンパイルフラグ、プラットフォーム、データセットの違いによって生じる、従来の部分グラフ同型マッチング評価の不整合を是正すること。
• Linux上でC++で実装し、公平な比較を可能にするために、代表的な7つの部分グラフ同型マッチングアルゴリズム（QuickSI、GraphQL、TurboISO、BoostISO、CFL-Match、VF3、CECI、DAF）を再実装すること。
• VF3（2ホッププルーニングが誘導部分グラフにのみ有効）とBoostISO（一部のケースで誤った結果を出力）に深刻な実装エラーを同定・是正すること。
• BoostISOの事前処理手法が他のアルゴリズムに統合された際の有効性を評価すること。
• 多様なグラフタイプとクエリセットにおける実行時間とメモリ消費量の包括的かつ実験的な分析を提供すること。

提案手法

• 同じコンパイラとコンパイルフラグを使用して、7つのアルゴリズムをすべてC++で再実装し、プラットフォームおよび実装の一貫性を確保した。
• スパarsなクエリグラフと密度の高いクエリグラフを含む、3つの実世界データセット（Human、Email、DBLP）を用いて、さまざまな条件下での性能を評価した。
• アルゴリズムのオリジナル版とブースト版の両方を評価し、BoostISOの事前処理手法を他のアルゴリズムに適用して、その一般化された利点を評価した。
• ディスクI/Oの影響を排除するため、メモリ内実行を採用し、純粋なアルゴリズム的性能に焦点を当てた。
• すべてのデータセットに共通の標準化されたクエリセットを適用し、実行時間とメモリ消費量の公平な比較を実現した。
• 実験結果を深く分析し、性能のトレンド、トレードオフ、およびアルゴリズムの強み・弱みを同定した。

実験結果

リサーチクエスチョン

• RQ1 公平で制御された実験条件下で、最先端の部分グラフ同型マッチングアルゴリズムの性能特性はどのように比較されるか？
• RQ2 他のアルゴリズムに適用された際、BoostISOの事前処理手法が果たす真の影響は何か？
• RQ3 複雑なプルーニング機構を持つインデックスベースのアルゴリズムが、なぜ一貫して単純なツリー探索手法を上回らないのか？
• RQ4 VF3とBoostISOで誤った結果が出力される根本的原因は何か？ そしてそれは性能にどのように影響するか？
• RQ5 どのような状況下で、ブースト版のアルゴリズムが非ブースト版に対して顕著な改善を示すのか？

主な発見

• 時間効率の観点で、VF3、QuickSI、DAFが上位3位にランクされた。VF3とQuickSIは、大多数のデータセットで時間的およびメモリ的消費量の両面でリードを確保した。
• 複雑なプルーニング機構を持つインデックスベースのアルゴリズムに比べ、ツリー探索アルゴリズム（VF3とQuickSI）が、時間的およびメモリ的効率の両面で優れている。
• アルゴリズム間のメモリ消費量の順位は以下の通りである：QuickSI < VF3 < GraphQL < CFL-Match < TurboISO < CECI < DAF。これは、各アルゴリズムのインデックス構造のサイズを直接反映している。
• BoostISOの事前処理手法は、特定の悪条件のケースにおいては性能向上に有効であるが、全体的な恩恵は限定的である。また、オリジナル実装にはバグが存在し、誤った結果を出力する原因となっている。
• DBLPデータセットではGQL+がGQLを上回ったが、他のブースト版（例：VF3+）は再帰呼び出しのオーバーヘッドが増加したため、非ブースト版より性能が劣った。
• DAFは、検索空間が大きい場合に有効なフェイルングセット手法を採用しているため、密度の高いクエリセットで優れた性能を発揮した。一方、VF3とQuickSIは、多様なグラフタイプにわたり、依然として高い効率を維持した。