[論文レビュー] K-Core Minimization: A Game Theoretic Approach

Sourav Medya, Tiyani Ma+2 more|arXiv (Cornell University)|Jan 8, 2019

Complex Network Analysis Techniques参考文献 55被引用数 8

ひとこと要約

本稿では、kコア構造の破壊を効率的かつ効果的に実現するため、シャープレー値を用いて削除に最も影響を与えるエッジを同定することで、kコア最小化のゲーム理論的アプローチを提案する。この手法は、グリーディベースラインを上回り、確率的保証を伴う確率的シャープレー値近似により、大規模なグラフにおける強いスケーラビリティと有効性を示している。

ABSTRACT

K-cores are maximal induced subgraphs where all vertices have degree at least k. These dense patterns have applications in community detection, network visualization and protein function prediction. However, k-cores can be quite unstable to network modifications, which motivates the question: How resilient is the k-core structure of a network, such as the Web or Facebook, to edge deletions? We investigate this question from an algorithmic perspective. More specifically, we study the problem of computing a small set of edges for which the removal minimizes the $k$-core structure of a network. This paper provides a comprehensive characterization of the hardness of the k-core minimization problem (KCM), including innaproximability and fixed-parameter intractability. Motivated by such a challenge in terms of algorithm design, we propose a novel algorithm inspired by Shapley value -- a cooperative game-theoretic concept -- that is able to leverage the strong interdependencies in the effects of edge removals in the search space. As computing Shapley values is also NP-hard, we efficiently approximate them using a randomized algorithm with probabilistic guarantees. Our experiments, using several real datasets, show that the proposed algorithm outperforms competing solutions in terms of k-core minimization while being able to handle large graphs. Moreover, we illustrate how KCM can be applied in the analysis of the k-core resilience of networks.

研究の動機と目的

• ネットワークにおける戦略的なエッジ削除を通じてkコア構造のサイズを最小化する課題に対処すること。
• 単一のエッジが連鎖的な影響を及ぼす可能性があるkコアのレジリエンスに及ぼすエッジ削除の相互依存的効果をモデル化すること。
• グリーディアプローチの限界を克服するため、エッジの共同寄与度を考慮したスケーラブルなアルゴリズムを開発すること。
• kコア最小化問題に対する理論的難解性結果（近似不能性および固定パラメータで不計算可能であること）を提示すること。
• kコア最小化の実用的有用性を、インフラ、社会的、生物学的ネットワークにおける標的介入の指針とネットワークレジリエンスのプロファイリングに活用すること。

提案手法

• 本稿では、kコア最小化を協力的ゲームとして定式化し、エッジをプレイヤーとし、シャープレー値による貢献度を測定することで、エッジ削除の共同効果を捉える。
• 確率的保証を伴う効率的なサンプリングアルゴリズムを提案し、シャープレー値の近似を可能にすることで、大規模グラフへのスケーラビリティを実現する。
• シャープレー値の近似値が最も高いエッジを選択することで、組み合わせ的依存関係を考慮したkコアの破壊を最大化する。
• 本手法は、相互依存性を無視し、僅かな利益のみを評価するグリーディベースラインと対比される。
• 理論的分析により、kコア最小化がNP困難であり、k ≥ 3では任意の定数要因内で近似不可能であることが示される。
• 本手法は、最大数10万ノード、数百万エッジを有する実世界グラフで評価され、デスクトップPC上でも1分未満の実行時間で動作することが示された。

実験結果

リサーチクエスチョン

• RQ1 エッジ削除によるkコア構造の最小化の計算複雑性は何か？ 他の組み合わせ最適化問題と比べてどうか？
• RQ2 エッジ削除同士の強い相関関係をどのようにモデル化すれば、kコアの破壊効果を向上させられるか？
• RQ3 この問題に対してシャープレー値を多項式時間で効率的に近似できるか？ また、グリーディ手法よりも優れた性能が得られるか？
• RQ4 本手法は、実世界ネットワークにおけるkコアサイズの最小化において、既存のベースラインをどの程度上回るか？
• RQ5 kコア最小化は、標的エッジ削除に対する実世界ネットワークのレジリエンスを評価・プロファイリングするためにどのように活用できるか？

主な発見

• kコア最小化問題は、k ≥ 3のときNP困難であり、任意の定数要因内で近似不能であるため、根本的なアルゴリズム的制限が存在する。
• 提案されたシャープレー値に基づくアルゴリズムは、グリーディベースラインを著しく上回り、特にエッジ削除による連鎖的影響を捉える点で優れた性能を示す。
• 確率的シャープレー値近似は、確率的保証を伴い、数百万エッジを有する大規模グラフにおいても高品質な結果を達成でき、効率的な計算を可能にする。
• アルゴリズムは効果的にスケーリングされ、標準的なデスクトップマシンで、例えば社会的・インフラネットワークなどの大規模実世界ネットワークを数分で処理できる。
• 本手法により、ネットワークレジリエンスの効果的なプロファイリングが可能となり、標的エッジ削除がkコア構造に顕著な崩壊を引き起こすことが示された。
• 実験的結果から、シャープレー値が高くなるエッジの削除は、僅かな利益ヒューリスティクスで選択されたエッジよりも顕著に大きなkコアの縮小を引き起こすことが明らかになった。