[論文レビュー] Locally Estimating Core Numbers

Michael P. O’Brien, Blair D. Sullivan|arXiv (Cornell University)|Oct 24, 2014

Complex Network Analysis Techniques参考文献 11被引用数 8

ひとこと要約

本稿では、全グラフへのアクセスが不可能な大規模またはプライベートなネットワークにおいても、グローバルなグラフ情報に依存せずに効率的かつスケーラブルにコア番号を推定できる、局所推定子 $\hat{k}_\delta$ を導入する。$\delta = 2$ の場合、実世界のネットワークにおいて高い精度を達成し、エレミス＝レニーのランダムグラフにおいて漸近的に小さな誤差を示すことを証明することで、ネットワーク処置実験における推定の改善が可能になる。

ABSTRACT

Graphs are a powerful way to model interactions and relationships in data from a wide variety of application domains. In this setting, entities represented by vertices at the "center" of the graph are often more important than those associated with vertices on the "fringes". For example, central nodes tend to be more critical in the spread of information or disease and play an important role in clustering/community formation. Identifying such "core" vertices has recently received additional attention in the context of {\em network experiments}, which analyze the response when a random subset of vertices are exposed to a treatment (e.g. inoculation, free product samples, etc). Specifically, the likelihood of having many central vertices in any exposure subset can have a significant impact on the experiment. We focus on using $k$-cores and core numbers to measure the extent to which a vertex is central in a graph. Existing algorithms for computing the core number of a vertex require the entire graph as input, an unrealistic scenario in many real world applications. Moreover, in the context of network experiments, the subgraph induced by the treated vertices is only known in a probabilistic sense. We introduce a new method for estimating the core number based only on the properties of the graph within a region of radius $δ$ around the vertex, and prove an asymptotic error bound of our estimator on random graphs. Further, we empirically validate the accuracy of our estimator for small values of $δ$ on a representative corpus of real data sets. Finally, we evaluate the impact of improved local estimation on an open problem in network experimentation posed by Ugander et al.

研究の動機と目的

• 全グラフへのアクセスが得られない大規模またはプライベートなネットワークにおいて、グローバルなコア番号計算が現実的でないという問題に対処すること。
• 半径 $\\delta$ の範囲内の局所的グラフ情報のみを用いて、特定のクエリ頂点のコア番号を高精度に推定すること。
• 処置効果推定におけるバイアスを低減するため、頂点がハイコア部分グラフに属する確率を推定することで、ネットワーク処置実験の設計と分析を支援すること。
• 実世界のネットワークにおいて実証的に高い精度を示すとともに、計算的にも効率的な手法の開発。

提案手法

• 頂点 $v$ の $\delta$-近傍に基づいてコア番号を推定する局所推定子 $\hat{k}_\delta(v)$ を提案。隣接頂点のコア番号推定値を反復的に精緻化することで実現。
• 幾何的積集合アプローチを用いる：$\hat{k}_\delta(v)$ は、$v$ の隣接頂点 $u_i$ に対して、$d(v) - i + 1$ と $k_{\delta-1}(u_i)$ の積集合によって定まる。
• 次数露出確率がゼロである隣接頂点を除外するプルーニングを適用。これにより、コア露出確率の上界がタイトになり、推定精度が向上する。
• 隣接頂点のコア露出確率に関する境界を活用し、推定子を精緻化することで過大推定を低減。
• エレミス＝レニーのランダムグラフにおいて、$\hat{k}_1$ の誤差が任意にゆっくり増大することを形式的に証明。理論的堅牢性を確立。
• 実世界のネットワークを用いて $\delta = 2$ の場合に推定子を実証的に検証。コア番号の推定において高い精度を示した。

実験結果

リサーチクエスチョン

• RQ1 頂点の周囲の小さな半径 $\delta$ の範囲内の局所的グラフ情報のみを用いて、コア番号を高精度に推定できるか？
• RQ2 データアクセスが制限された実世界のネットワークにおいて、局所推定子 $\hat{k}_\delta$ の誤差と精度はどのように振る舞うか？
• RQ3 局所的コア番号推定が、コア露出確率を予測することで、ネットワーク処置実験の設計と分析を改善できるか？
• RQ4 ランダムグラフ上での局所推定子の理論的誤差境界は何か？また、グラフサイズに伴いどのようにスケーリングされるか？

主な発見

• エレミス＝レニーのランダムグラフにおいて、局所推定子 $\hat{k}_1$ は漸近的に消える誤差を示し、理論的堅牢性を裏付ける。
• $\delta = 2$ の場合、実世界のネットワークにおいて高い精度を達成し、推定コア番号は真値に極めて近い。
• 次数露出確率がゼロである隣接頂点をプルーニングすることで、コア露出確率の過大推定が顕著に低減され、境界のタイトさが向上する。
• 推定子は、次数露出確率がゼロでもコア露出確率が非ゼロである頂点が多数存在することを明らかにした。これは、次数露出確率がコア露出確率の良好な代理指標でないことを示している。
• 本手法により、ネットワーク実験におけるコア露出の推定が改善され、処置効果推定におけるバイアス低減が可能になる。
• 本推定子は、低ハイパーボリシティ（木に近い）構造にある頂点を特定できる可能性を示しており、グラフ性質のテストへの応用が期待される。