[論文レビュー] Fast computation of von Neumann entropy for large-scale graphs via quadratic approximations

Hayoung Choi, Jinglian He+2 more|arXiv (Cornell University)|Nov 12, 2018

Complex Network Analysis Techniques参考文献 26被引用数 4

ひとこと要約

本稿では、大規模グラフにおけるvon Neumannグラフエントロピー（VNGE）計算を高速化するための新しい2次近似を提案する。時間計算量をO(n³)からO(n + m)に削減する。エントロピー関数−λᵢ ln λᵢを2次形式で近似することで、最大固有値の計算を必要とせず、線形時間で計算可能となり、FINGERなどの先行手法よりも精度と効率に優れる。ランダムネットワークおよび実世界のネットワークにおいて、その有効性が確認された。

ABSTRACT

The von Neumann graph entropy (VNGE) can be used as a measure of graph complexity, which can be the measure of information divergence and distance between graphs. However, computing VNGE is extensively demanding for a large-scale graph. We propose novel quadratic approximations for fast computing VNGE. Various inequalities for error between the quadratic approximations and the exact VNGE are found. Our methods reduce the cubic complexity of VNGE to linear complexity. Computational simulations on random graph models and various real network datasets demonstrate superior performance.

研究の動機と目的

• 大規模グラフにおける正確なvon Neumannグラフエントロピー（VNGE）計算の高コスト問題に対処すること。現在の計算量はO(n³)である。
• 高価な固有値スペクトル計算を回避する、効率的でモデルフリーのVNGE近似手法を開発すること。
• エントロピー関数−λᵢ ln λᵢの2次近似を活用し、O(n + m)の線形時間計算量を達成すること。
• 合成および実世界のグラフデータセットにおいて、正確なVNGEと比較して、提案手法の精度と効率を評価すること。
• Jensen-Shannon距離を用いたグラフ類似度応用における高速VNGE計算の実用的有用性を示すこと。

提案手法

• エントロピー関数−λᵢ ln λᵢの非線形性を近似するための4つの2次近似手法（修正テイラー、ラジアル射影、FINGERにインspiredした手法、ミックスド2次近似）を提案する。
• O(n + m)時間で計算可能な密度行列の純度を用いて、完全な固有値スペクトル計算を必要とせずに近似手法の評価を行う。
• 修正テイラーおよびラジアル射影近似の理論的誤差バウンドを導出することで、その信頼性を確立する。
• 固有値分解を回避するため、正規化ラプラシアン行列のトレースおよびフロベニウスノルムのみを用いてVNGEの近似を実行する。
• ラジアル射影を用いることで、最大固有値に依存しないようにし、スパースグラフにおける効率性を向上させる。
• Jensen-Shannon距離フレームワークに近似手法を統合し、大規模なグラフシーケンスのスケーラブルな比較を可能にする。

実験結果

リサーチクエスチョン

• RQ1 エントロピー関数−λᵢ ln λᵢの2次近似を用いることで、O(n + m)の線形時間でvon Neumannグラフエントロピーを計算できるか？
• RQ2 FINGERなどの既存手法と比較して、提案手法の精度と効率はいかがであり、誤差バウンドおよび固有値依存性の観点からどのように異なるか？
• RQ3 ラジアル射影では最大固有値の計算を必要としないため、スパースな実世界グラフにおいて優れた性能を発揮するか？
• RQ4 さまざまなランダムグラフモデル（ER、BA、WS）において、正確なVNGEと近似手法との相関関係はどの程度か？
• RQ5 高速なVNGE計算により、Jensen-Shannon距離を用いたスケーラブルなグラフ類似度および異常検出が可能になるか？

主な発見

• ミックスド2次近似は、テストされたすべてのランダムグラフモデルで正確なVNGEとの相関が最も高く、FINGERや他の近似手法を上回った。
• ラジアル射影は最大固有値の計算を必要とせず、スパースグラフにおいても高い精度と線形時間計算量を達成した。
• 実世界の重みなしおよび重み付きネットワークにおいて、ミックスド2次近似およびラジアル射影は、FINGERおよび修正テイラーと比較して優れた精度を示した。
• 提案手法の計算時間はグラフサイズに比例して線形に増加し、O(n³)の計算量をO(n + m)に削減した。これにより、大規模グラフへの実用的応用が可能になった。
• 提案手法を用いて計算されたJensen-Shannon距離は、正確なバージョンと高い類似性を示し、異常検出および分岐検出への応用が可能であることを裏付けた。
• 修正テイラーおよびラジアル射影近似に対して理論的誤差バウンドが確立され、大規模応用における信頼性を高める根拠が得られた。