[論文レビュー] fastball: A fast algorithm to sample bipartite graphs with fixed degree sequences

Karl Godard, Zachary P. Neal|arXiv (Cornell University)|Dec 7, 2021

Algorithms and Data Compression被引用数 4

ひとこと要約

本論文は、固定次数列を持つ二部グラフを一様かつランダムにサンプリングするための新規アルゴリズムである fastball を紹介している。このアルゴリズムは、時間計算量が最適な O(n) に達し、従来の最先端の curveball アルゴリズム（O(n log n)）を上回る。C++ で実装された fastball は、実際の応用において最大 2.5 倍の高速化を達成し、米国上院の共同共同支援ネットワークのような大規模ネットワークにおけるバックボーン抽出を高速化する。

ABSTRACT

Many applications require randomly sampling bipartite graphs with fixed degrees, or randomly sampling incidence matrices with fixed row and column sums. Although several sampling algorithms exist, the ``curveball'' algorithm is the most efficient with an asymptotic time complexity of O(n log n), and has been proven to sample uniformly at random. In this paper, we introduce the ``fastball'' algorithm, which adopts a similar approach but has an asymptotic time complexity of O(n). We show that a C++ implementation of fastball randomly samples large bipartite graphs with fixed degrees faster than curveball, and illustrate the value of this faster algorithm in the context of the fixed degree sequence model for backbone extraction.

研究の動機と目的

• 固定次数列を持つ二部グラフの均一かつランダムなサンプリングのための、より計算効率の良いアルゴリズムの開発。
• 既存のトレードベースのサンプリングアルゴリズムの漸近的時間計算量を O(n log n) から O(n) に低減すること。
• 特に大規模な二部グラフ射影におけるバックボーン抽出を含む、大規模ネットワーク解析における実用的性能の向上。
• 固定次数列モデルからの多数のランダムサンプルを必要とする応用分野における curveball アルゴリズムの高速代替手段の提供。
• ネットワーク科学、生態学、統計物理学における、よりスケーラブルかつ効率的なノイズモデルテストの実現。

提案手法

• fastball は、curveball と同様にトレードベースのマルコフ連鎖モンテカルロ手法を採用しているが、トレード操作を最適化することで O(n) 時間計算量を達成している。
• 2つのノードを一様ランダムに選択し、それらの対称差と共通部分を計算した後、対称差のシャッフル分割を用いてエッジを再割り当てする。
• 隣接リストを維持し、ソート済みデータ構造を用いてトレード操作中のオーバーヘッドを最小限に抑える。
• 同じ理論的枠組みに基づき、詳細釣り合いと再帰性を保証することで、均一サンプリングを実現している。
• 低レベルのメモリアクセスと最適化されたデータ処理を活用して、curveball とのベンチマークを C++ で実施している。
• R 言語の backbone パッケージにユーザーフrndリーファンクションを介して統合され、C++ の知識がなくても高水準で利用可能になっている。

実験結果

リサーチクエスチョン

• RQ1 固定次数列を持つ二部グラフのトレードベースのサンプリングアルゴリズムが、curveball の O(n log n) の計算量を上回る O(n) 時間計算量を達成できるか。
• RQ2 提案された fastball アルゴリズムが、実用的側面で計算オーバーヘッドを低減しながらも、均一サンプリングを維持できるか。
• RQ3 実世界のネットワーク解析ワークロード、例えば大規模な二部グラフ射影におけるバックボーン抽出において、fastball は curveball よりどれほど速いか。
• RQ4 m = 10^6 個のノードを持つ非常に大きなグラフにおいて、fastball は curveball より著しく短い実行時間で動作するか。
• RQ5 より高速なサンプリングが、ネットワーク科学における大規模なノイズモデルテストの実行可能性に及ぼす実用的影響は何か。

主な発見

• fastball アルゴリズムは、漸近的時間計算量として O(n) を達成し、curveball の O(n log n) を上回っている。
• C++ 実装において、米国上院の共同共同支援ネットワークのバックボーン抽出において、fastball は curveball より約 2.5 倍速く、実行時間を 27 分から 11 分に短縮している。
• m = 10^6 個のノードを持つ大規模なグラフにおいて、ベンチマークテストで fastball は curveball より約 4 倍速くトレードを実行している。
• アルゴリズムは curveball と同一の FDSM バックボーンを生成しており、均一サンプリングおよび実装の正しさが確認されている。
• backbone パッケージに統合された R 関数 `fastball()` は、C++ の知識が不要な状態で、既存の R ワークフローへのシームレスな統合を可能にしている。
• 数値実験により、fastball が curveball と同一の統計的性質（均一性および約 5n 回のトレード後に十分な混合）を維持していることが確認された。