[論文レビュー] Graph matching: relax or not?

Yonathan Aflalo, Alexander M. Bronstein+1 more|arXiv (Cornell University)|Jan 29, 2014

Graph Theory and Algorithms参考文献 28被引用数 16

ひとこと要約

この論文は、グラフマッチング問題の凸緩和（置換を二重確率行列に置き換える）が正確または最適な近似同型写像を保証する条件を確立する。『フレンドリーなグラフ』を導入し、そのスペクトル的性質を検証可能なものとして定義し、このようなグラフに対しては緩和が正確であることを証明する。さらに、近似マッチングへの拡張を行い、線形制約が僅か $n$ 個であるより単純な同等の緩和を示し、大幅な計算効率の向上を実現する。

ABSTRACT

We consider the problem of exact and inexact matching of weighted undirected graphs, in which a bijective correspondence is sought to minimize a quadratic weight disagreement. This computationally challenging problem is often relaxed as a convex quadratic program, in which the space of permutations is replaced by the space of doubly-stochastic matrices. However, the applicability of such a relaxation is poorly understood. We define a broad class of friendly graphs characterized by an easily verifiable spectral property. We prove that for friendly graphs, the convex relaxation is guaranteed to find the exact isomorphism or certify its inexistence. This result is further extended to approximately isomorphic graphs, for which we develop an explicit bound on the amount of weight disagreement under which the relaxation is guaranteed to find the globally optimal approximate isomorphism. We also show that in many cases, the graph matching problem can be further harmlessly relaxed to a convex quadratic program with only n separable linear equality constraints, which is substantially more efficient than the standard relaxation involving 2n equality and n^2 inequality constraints. Finally, we show that our results are still valid for unfriendly graphs if additional information in the form of seeds or attributes is allowed, with the latter satisfying an easy to verify spectral characteristic.

研究の動機と目的

• 凸緩和が正確または最適な解をもたらす条件を理解すること。
• 緩和が正確な同型写像を保証するか、その非存在を証明することができる広範なグラフのクラス（『フレンドリーなグラフ』）を特定すること。
• 重みの不一致に対する明示的な境界を伴い、ほぼ同型のグラフに対しても緩和の有効性を拡張すること。
• 標準的な緩和が、計算コストを削減しながらも最適性を保つように、僅か $n$ 個の線形等式制約に簡略化できることを示すこと。
• シードや頂点属性といった追加情報を利用して、フレンドリーでないグラフに対しても結果を拡張し、成功のためのスペクトル的条件を提示すること。

提案手法

• 固有値と固有ベクトルを含むスペクトル的性質に基づいて、グラフの『フレンドリーさ』の概念を導入する。
• フレンドリーなグラフに対して、二重確率行列上での凸緩和が、グローバル最小値が置換行列に対応することを証明し、正確な解を得られることを示す。
• 標準的な緩和と同等の、僅か $n$ 個の線形等式制約を有する『擬似確率行列』を用いた簡略化された緩和を導出する。
• ラグランジュ乗数を用いた最適性条件の分析を行い、解の一意性をシステム行列のランクによって特徴付ける。
• シードや属性を組み込んだシード付きまたは属性付きグラフマッチングにフレームワークを拡張し、シード／属性に関するスペクトル的条件を検証する。
• ヘッシアン行列および制約行列のスペクトル解析を用いて、導出された条件下で解の一意性が保証されることを証明する。

実験結果

リサーチクエスチョン

• RQ1 グラフマッチングの標準的な凸緩和が、正確な同型写像を保証する条件は何か？
• RQ2 計算コストを削減しながらも最適性を保つように、緩和を簡略化できるか？
• RQ3 緩和が依然としてグローバルに最適な近似同型写像を求める範囲で、重みの不一致の最大量は何か？
• RQ4 シードや属性といった追加情報は、フレンドリーでないグラフに対しても緩和の有効性を拡張するためにどのように統合できるか？
• RQ5 シードや属性にどのようなスペクトル的条件を満たせば、非フレンドリーなグラフに対しても緩和が最適のまま保たれるか？

主な発見

• 検証可能なスペクトル的条件を満たす『フレンドリーなグラフ』に対して、二重確率行列上での凸緩和は、正確な同型写像を保証するか、その非存在を証明することが可能である。
• 本論文は、ほぼ同型のグラフに対して、緩和が依然としてグローバルに最適な近似同型写像を求める範囲で、重みの不一致に対する明示的な上限を提供する。
• 標準的な緩和と同等であるが、$2n$ 個の等式と $n^2$ 個の不等式ではなく、僅か $n$ 個の線形等式制約のみを必要とする簡略化された緩和が、計算効率の大幅な向上を実現することが証明された。
• 追加情報（シードや頂点属性）が提供され、かつその属性が特定のスペクトル的条件を満たしていれば、フレンドリーでないグラフに対しても緩和は正確に保たれる。
• 関連するシステム行列がフルランクである場合に限り、緩和問題の解は一意に置換行列に対応するが、これは定義されたスペクトル的条件下で保証される。
• 理論的結果は、属性付きおよびシード付きグラフマッチングへと拡張され、同じスペクトル的基準が緩和が正しい同型写像を導くことを保証することが示された。