[論文レビュー] Efficient Shortest Paths in Scale-Free Networks with Underlying Hyperbolic Geometry

Thomas Bläsius, Cedric Freiberger+4 more|arXiv (Cornell University)|Jan 1, 2018

Complex Network Analysis Techniques被引用数 6

ひとこと要約

本稿は、べき則的度数分布と高いクラスタリングを示す現実世界のスケールフリーネットワークを特徴とするハイパボリックランダムグラフ上での双方向BFSアルゴリズムを分析し、高確率で Õ(n²⁻¹⁄ᵅ + n¹⁄²ᵃ + δₘₐₓ) 時間で実行可能であることを証明している。ここで α ∈ (1/2, 1) はべき則的度数分布を制御するパrameterであり、δₘₐₓ は最大次数である。部分線形なバウンドは、双曲幾何とネットワークの不均一性の相互作用に起因し、実世界のスケールフリーネットワークにおいて双方向探索が理論予測を上回る性能を発揮する理由を説明している。

ABSTRACT

A common way to accelerate shortest path algorithms on graphs is the use of a bidirectional search, which simultaneously explores the graph from the start and the destination. It has been observed recently that this strategy performs particularly well on scale-free real-world networks. Such networks typically have a heterogeneous degree distribution (e.g., a power-law distribution) and high clustering (i.e., vertices with a common neighbor are likely to be connected themselves). These two properties can be obtained by assuming an underlying hyperbolic geometry. To explain the observed behavior of the bidirectional search, we analyze its running time on hyperbolic random graphs and prove that it is {O~}(n^{2 - 1/alpha} + n^{1/(2 alpha)} + delta_{max}) with high probability, where alpha in (0.5, 1) controls the power-law exponent of the degree distribution, and delta_{max} is the maximum degree. This bound is sublinear, improving the obvious worst-case linear bound. Although our analysis depends on the underlying geometry, the algorithm itself is oblivious to it.

研究の動機と目的

• 現実世界のスケールフリーネットワークに顕著なべき則的度数分布と高いクラスタリングを示すネットワークにおいて、双方向BFSがなぜ実際の性能を発揮するかを説明すること。
• 理論的な最悪ケースバウンドと実際の性能の乖離を解消するために、ネットワークに埋め込まれた双曲幾何をモデル化すること。
• ハイパボリックランダムグラフ上での双方向BFSアルゴリズムを分析し、タイトで高確率の実行時間バウンドを導出すること。
• 度数の不均一性と幾何的制約が、探索空間の拡大とアルゴリズム効率にどのように共同で影響を与えるかを明確にすること。

提案手法

• 頂点を双曲平面上に配置し、距離に基づいて接続するという方法で、現実世界のネットワークをハイパボリックランダムグラフとしてモデル化する。
• 探索空間がソースおよびターゲットから同時に拡大する双方向BFSを分析し、辺の集中性を活用する。
• 度数の確率的バウンドと近隣接続性の解析に、ハイパボリックランダムグラフ理論の結果を応用する。
• 集中不等式と度数和のバウンドを用いて、グラフの内側／中心領域および外側領域における探索空間のサイズを制御する。
• 探索空間を径方向および角度方向に分解し、角度幅が近隣の到達範囲を決定することを活用して、実行時間バウンドを導出する。
• 度数分布および近隣接続性に関する推論と定理を用いて、すべての探索ステップにおける総作業量のバウンドを求める。

実験結果

リサーチクエスチョン

• RQ1 なぜ双方向BFSは、べき則的度数分布を持つスケールフリーネットワークにおいて、最悪ケースまたは平均ケース解析で予測されるよりも著しく優れた性能を示すのか？
• RQ2 埋め込まれた双曲幾何は、現実世界のネットワークにおける双方向BFSの観察された部分線形性能をどのように説明できるのか？
• RQ3 べき則的度数分布を有するハイパボリックランダムグラフ上での双方向BFSの正確な高確率実行時間バウンドは何か？
• RQ4 度数の不均一性と幾何的制約は、どのようにして双方向探索における探索空間の拡大に影響を与えるのか？
• RQ5 理論的には高速化が期待できるにもかかわらず、均質なネットワークでは双方向探索による性能向上が減少するのはなぜか？

主な発見

• 双方向BFSは、ハイパボリックランダムグラフ上ですべての確率で Õ(n²⁻¹⁄ᵅ + n¹⁄²ᵃ + δₘₐₓ) 時間で実行可能であり、α ∈ (1/2, 1) の範囲では部分線形である。
• バウンドは多対数因子を除いてタイトであり、Θ(n²⁻¹⁄ᵅ) 個の頂点が1ステップで到達可能な角度領域が存在するため、n²⁻¹⁄ᵅ 項は改善できない。
• δₘₐₓ 項は避けられない。なぜなら δₘₐₓ = ˜Θ(n¹⁄²ᵃ) が高確率で成立するため、これは実行時間の下界を示している。
• α < 0.75 の場合、1/(2α) 項が支配的となり、高次数頂点の探索コストを反映している。
• α > 0.75 の場合、2 − 1/α 項が支配的となり、幾何的制約が探索空間の拡大を遅くしていることを示している。
• 実行時間のV字型の指数は、高次数頂点が探索空間の拡大を加速するが、その探索コストが高いために生じるトレードオフを反映しており、不均一性の程度に応じてバランスが変化する。