[論文レビュー] Lossless Representation of Graphs using Distributions

Mireille Boutin, Gregor Kemper|ArXiv.org|Oct 9, 2007

Graph Theory and Algorithms参考文献 35被引用数 3

ひとこと要約

本稿では、ノードおよびエッジ重みの一次元分布を用いた損失なしグラフ表現を提案し、特に実数値ベクトル重みを有するグラフが、ほぼすべてのケースでこれらの分布から一意に再構成可能であることを示している。主な貢献は、同型性を比較的単純で低次元の分布によって決定できる十分条件のセットを提示したことである。これにより、構造的情報を損なわずに効率的なグラフデータベースインデクシングと比較が可能になる。

ABSTRACT

We consider complete graphs with edge weights and/or node weights taking values in some set. In the first part of this paper, we show that a large number of graphs are completely determined, up to isomorphism, by the distribution of their sub-triangles. In the second part, we propose graph representations in terms of one-dimensional distributions (e.g., distribution of the node weights, sum of adjacent weights, etc.). For the case when the weights of the graph are real-valued vectors, we show that all graphs, except for a set of measure zero, are uniquely determined, up to isomorphism, from these distributions. The motivating application for this paper is the problem of browsing through large sets of graphs.

研究の動機と目的

• 単純な一次元分布を用いて、損失なしで同型性に依存しない重み付きグラフの表現を開発すること。
• 複雑なグラフ構造を測定可能な分布に置き換えることで、大規模なグラフデータベースの効率的な比較とインデクシングを可能にすること。
• 重み分布からの一意な再構成が保証される十分条件を確立し、情報損失を最小限に抑えること。
• 部分グラフに基づく手法にとどまらず、重み付き和や組み合わせの分布へとグラフ再構成の概念を拡張すること。
• 高次元グラフデータセットにおけるグラフブラウジングおよび類似性検索のための実用的フレームワークを提供すること。

提案手法

• ノード重み、エッジ重み、および隣接重みの重み付き和（例：α、β、Δ）の複数次元にわたる分布を用いてグラフを表現すること。
• 初期再構成の基盤として、部分三角形（3ノード部分グラフ）の分布を用いること。
• 実数値ベクトル重み（例：g^l、w^l）の多次元分布を用いて、グラフ構造を損失なしに符号化すること。
• 再構成における曖昧性を回避するため、重みの組み合わせ（例：w^l_i + w^l_j + w^{l+1}_j + w^{l+1}_k）に条件を設けること。
• 分布の一致による同型性再構成の証明：指定された非退化条件のもとで、2つのグラフが同一の分布を持つ場合、それらは同型であることを示すこと。
• 対称性および置換不変性を活用して、複数のグラフ間で分布を整列させ、忠実な再構成を保証すること。

実験結果

リサーチクエスチョン

• RQ1 大規模な重み付きグラフのクラスは、その部分三角形の分布から一意に再構成可能か？
• RQ2 実数値ベクトル重みを有するグラフが、ノード重み、エッジ重み、およびそれらの和の一次元分布によって一意に決定される条件は何か？
• RQ3 完全なグラフ比較を伴わずに、ノードおよびエッジ重みの分布のみを比較することで、グラフ間の同型性を決定できるか？
• RQ4 高次元重み付きグラフに対して、損失なしで同型性に依存しない表現をどのように構築できるか？
• RQ5 大規模なグラフデータベースにおける効率的なインデクシングと高速な類似性検索を可能にする分布的不変量は何か？

主な発見

• 大規模な重み付きグラフのクラスは、部分三角形の分布から一意に再構成可能であり、損失なしの表現が得られる。
• 実数値ベクトル重みを有するグラフにおいて、測度ゼロの集合を除き、すべてのグラフがノード重み、エッジ重み、およびそれらのペアワイズ和の分布から一意に再構成可能である。
• 特定の重みの線形結合（例：w^l_i + w^l_j + w^{l+1}_j + w^{l+1}_k）がすべてのノード三重にわたって一意に異なる場合、再構成が保証される。
• エッジ重み付きグラフでは3d−1個、ノード重み付きグラフでは2d−1個の分布のみを必要とし、インデクシングが効率的に行える。
• 提案された分布はグラフ同型性に不変であり、すべての区別可能な構造的特徴を保持するため、情報損失がない。
• 低次元空間への投影およびクラスタリングを可能にするため、データベースインデクシングと高速な類似性検索を自然にサポートするフレームワークが実現される。