[論文レビュー] From random walks to distances on unweighted graphs

Tatsunori Hashimoto, Yi Sun+1 more|arXiv (Cornell University)|Nov 2, 2015

Complex Network Analysis Techniques参考文献 21被引用数 6

ひとこと要約

本稿では、確率的微分計算を用いてランダムウォークとブラウン運動の対応を確立することで、重みなし有向グラフにおける類似度を測る強固で一貫性のある指標としてラプラス変換された到達時間（LTHT）を導入する。LTHTは期待到達時間の退化を回避し、クラスタリング構造を保持し、非幾何的エッジ摂動に対しても安定性を示し、理論的およびシミュレーション的観点から他の代替手法を上回る性能を発揮する。

ABSTRACT

Large unweighted directed graphs are commonly used to capture relations between entities. A fundamental problem in the analysis of such networks is to properly define the similarity or dissimilarity between any two vertices. Despite the significance of this problem, statistical characterization of the proposed metrics has been limited. We introduce and develop a class of techniques for analyzing random walks on graphs using stochastic calculus. Using these techniques we generalize results on the degeneracy of hitting times and analyze a metric based on the Laplace transformed hitting time (LTHT). The metric serves as a natural, provably well-behaved alternative to the expected hitting time. We establish a general correspondence between hitting times of the Brownian motion and analogous hitting times on the graph. We show that the LTHT is consistent with respect to the underlying metric of a geometric graph, preserves clustering tendency, and remains robust against random addition of non-geometric edges. Tests on simulated and real-world data show that the LTHT matches theoretical predictions and outperforms alternatives.

研究の動機と目的

• 既存のランダムウォークベースのグラフ類似度指標における統計的一貫性の欠如、特に期待到達時間の退化という問題に対処すること。
• 期待到達時間の代替として理論的に裏付けられ、良好に振る舞う指標を構築し、グラフの幾何構造およびクラスタ構造を保持すること。
• 一般の潜在的距離空間モデルにおけるLTHTの一致性、クラスタリングの保持、およびロバスト性を確立すること。
• 確率過程および連続極限を用いた、準ランダムウォーク指標の厳密な理論的裏付けを提供すること。
• 適切なスケーリングのもとでLTHTが最短経路距離または一貫性のある経路平均指標に収束することを示すこと。

提案手法

• グラフ上の到達時間関数への対応を、極限におけるイト過程に結びつけることで、確率的微分計算の解析を可能にする。
• 極限がブラウン運動となる重み付きランダムウォークを構築し、連続時間近似を可能にする。
• 到達時間にラプラス変換を適用してLTHTを定義し、期待到達時間の不安定な挙動を安定化させる。
• 連続極限解析を用い、n → ∞ および εn → 0 の条件下で、局所的近傍構造をモデル化するためのスケーリング定数gnと決定的関数ε(x)を導入する。
• モーメントの上限と集中不等式（例：チェビシェフ）を用いて、近傍サイズおよびエッジ数の変動を制御する。
• 近傍数を幾何的成分とノイズ成分に分解し、RAインデックスのロバスト性を分析する。距離領域ごとにCijの上限を導出する。

実験結果

リサーチクエスチョン

• RQ1 重みなしグラフにおいて、到達時間に基づく指標を退化せずに一貫して定義することは可能か？
• RQ2 スケーリング極限においてLTHTは最短経路距離または一貫性のある経路平均指標に収束するか？
• RQ3 LTHTは摂動下でも幾何的グラフにおけるクラスタリング構造をどのように保持するか？
• RQ4 多数のエッジが潜在的幾何構造を反映している場合、LTHTは非幾何的ランダムエッジに対してロバストか？
• RQ5 同じモデル仮定のもとで、RAインデックスが潜在的距離を信頼性高く回復できるかを示せるか？

主な発見

• LTHTは期待到達時間の退化をラプラス変換を用いることで回避し、スケーリング極限においても指標が安定化することを示す。
• 適切なパrameter β のスケーリングのもとで、LTHTは定理S5.2で示されるように最短経路距離に収束する。
• 幾何的グラフモデルのもとで、LTHTは定理4.5で示されるように、潜在的な距離空間距離の一致推定量である。
• LTHTは、定理4.6で形式化されたように、局所的コミュニティ構造を尊重することで、クラスタリング傾向を保持する。
• LTHTは非幾何的ランダムエッジに対してもロバストであり、定理4.9により類似度照会を正確に回復できることを示す。
• RAインデックスはロバストである：|xi − xj| < min{εn(xi), εn(xj)} のとき hnRij → cij > 0、|xi − xj| > 2 max{εn(xi), εn(xj)} のとき hnRij → 0 であり、近いペアと遠いペアを区別できる能力が裏付けられる。