[論文レビュー] Latent Distance Estimation for Random Geometric Graphs

Ernesto Araya, Yohann de Castro|arXiv (Cornell University)|Sep 15, 2019

Topological and Geometric Data Analysis参考文献 23被引用数 6

ひとこと要約

本稿では、球面上のランダム幾何グラフにおける隠れペアワイズ距離のスペクトル推定器を提案する。球面調和関数と固有値分解を活用することで、対数要因を除き非パrametric推定レートを達成する。リンク関数の事前知識がなくても、隠れ距離および隠れ空間の次元を一貫して推定できる。

ABSTRACT

Random geometric graphs are a popular choice for a latent points generative model for networks. Their definition is based on a sample of $n$ points $X_1,X_2,\cdots,X_n$ on the Euclidean sphere~$\mathbb{S}^{d-1}$ which represents the latent positions of nodes of the network. The connection probabilities between the nodes are determined by an unknown function (referred to as the "link" function) evaluated at the distance between the latent points. We introduce a spectral estimator of the pairwise distance between latent points and we prove that its rate of convergence is the same as the nonparametric estimation of a function on $\mathbb{S}^{d-1}$, up to a logarithmic factor. In addition, we provide an efficient spectral algorithm to compute this estimator without any knowledge on the nonparametric link function. As a byproduct, our method can also consistently estimate the dimension $d$ of the latent space.

研究の動機と目的

• 球面上の測地的距離に依存する接続確率を有するランダム幾何グラフにおけるペアワイズ隠れ距離を推定すること。
• 未知のリンク関数の事前知識を必要としない手法を開発すること。
• 1つのグラフ実現から隠れ空間の次元 $ d $ を一貫して推定すること。
• 球面上の非パrametric関数推定と同等のレート（対数要因を除き）を達成すること。

提案手法

• 観測されたグラフの隣接行列を入力とし、隠れ点の母集団グラム行列を推定するためにスペクトル分解を適用する。
• 固有関数が固定で、固有値が多項式次数と次元 $ d $ のみに依存する球面調和関数のスペクトル構造を活用する。
• 修正された固有値しきい値処理手順を用いて、新たなスペクトル推定器を構築し、隠れ距離行列を回復する。
• スコアベースのアプローチ、特に $ \operatorname{Gap}_{1}(\hat{T}_n) $ を用いて、候補値からの隠れ次元 $ d $ を推定する。
• リンク関数が未知であってもロバストであり、次元候補集合以外に調整パラメータを必要としない。
• 隠れ幾何構造に対応する固有空間を特定するスペクトルクラスタリングに類似たアルゴリズム（HEiC）によって実装される。

実験結果

リサーチクエスチョン

• RQ1 リンク関数を知らない状態でも、球面上のランダム幾何グラフにおけるノード間の隠れペアワイズ距離を一貫して推定できるか？
• RQ2 このような隠れ距離推定器の統計的収束レートは何か？
• RQ3 この手法は、1つのグラフ観測から真の隠れ空間次元 $ d $ を回復できるか？
• RQ4 球面調和関数のスペクトル構造は、このモデルにおける一貫した推定をどのように可能にするか？
• RQ5 非パrametric関数推定と比較して、提案された推定器はレート的に最適か？

主な発見

• 提案されたスペクトル推定器は、$ \mathbb{S}^{d-1} $ 上の非パrametric関数推定と同等の収束レートを達成し、対数要因を除いて同値である。
• スコアベースの選択により、モデルの仮定のもとで、高確率で隠れ次元 $ d $ を一貫して推定できる。
• 実験的結果から、グラム行列推定器の平均二乗誤差が $ n $ の増加に従って減少することが示され、理論的レートが裏付けられた。
• $ n=1000 $ ノードのシミュレーションにおいて、候補集合に $ d_{\text{max}}=15 $ が含まれても、真の次元 $ d=3 $ を正しく同定できた。
• リンク関数が未知であっても、この手法はロバストであり、球面のスペクトル構造が効率的かつ一貫した推定を可能にする。
• スペクトルギャップ $ \operatorname{Gap}_1(W) > 0 $ の仮定のもとで理論的保証が成り立ち、隠れ幾何構造の同定可能性が保証される。