[論文レビュー] Max-Sum Diversification, Monotone Submodular Functions and Semi-metric Spaces

Sepehr Abbasi Zadeh, Mehrdad Ghadiri|arXiv (Cornell University)|Nov 7, 2015

Complexity and Algorithms in Graphs被引用数 5

ひとこと要約

本稿は、三角不等式をパラメータ $\alpha \geq 1$ で緩和することで、最大和多様化を半距離空間へ一般化する。均等マトロイドの場合に $2\alpha$-近似を、任意のマトロイドの場合に $2\alpha^2$-近似を示す。従来の距離空間における研究を拡張し、近似アルゴリズムが緩和された距離制約下でも強い近似保証を維持することを示し、IBMの Query by Image Content などの実世界システムへの広範な適用を可能にする。

ABSTRACT

In many applications such as web-based search, document summarization, facility location and other applications, the results are preferable to be both representative and diversified subsets of documents. The goal of this study is to select a good "quality", bounded-size subset of a given set of items, while maintaining their diversity relative to a semi-metric distance function. This problem was first studied by Borodin et al\cite{borodin}, but a crucial property used throughout their proof is the triangle inequality. In this modified proof, we want to relax the triangle inequality and relate the approximation ratio of max-sum diversification problem to the parameter of the relaxed triangle inequality in the normal form of the problem (i.e., a uniform matroid) and also in an arbitrary matroid.

研究の動機と目的

• ボロディンらが提起した、最大和多様化における緩和された三角不等式下での近似境界に関する未解決問題に取り組むこと。
• 標準的な三角不等式を満たさない実世界システム（例：IBMの Query by Image Content）を含む半距離空間へ、最大和多様化の適用範囲を拡張すること。
• 距離関数に $\alpha$-緩和三角不等式が成り立つ状況下でも、グリーディアルゴリズムの理論的保証を提供すること。これにより、従来の距離空間における結果を一般化する。
• マトロイド制約下でのグリーディ選択の性能を分析し、$\alpha$ に依存する近似比を証明すること。

提案手法

• 単調な部分加法的関数 $f$ と $\alpha$-緩和半距離関数 $d$ を用いて、修正されたグリーディアルゴリズムを導入。選択基準は、マージナル利得 $\phi_u'(S) = \frac{1}{2}f_u(S) + \lambda d_u(S)$ に基づく。
• マトロイド内の集合同士の全単写像を用いて、グリーディ解 $S$ と最適解 $O$ の構造的同等性を保証する。
• 補題 1 で得られる重要な不等式を用いる：$\alpha(|X|-1)d(X,Y) \geq |Y|d(X)$ は、互いに素な集合 $X,Y$ に対して $\alpha$-緩和三角不等式が成り立つ場合に成立する。
• 補題 3 を適用して、交換された要素における部分加法的利得の和を評価：$\sum_{i=1}^t f(S - b_i + c_i) \geq (t-2)f(S) + f(O)$。
• 補題 5 を導出し、距離利得の和を評価：$t=2$ の場合に $\sum_{i=1}^t d(S - b_i + c_i) \geq (t-2)d(S) + \frac{1}{\alpha^2}d(O)$、$t>2$ の場合に $\geq (t-2)d(S) + \frac{1}{\alpha}d(O)$ が、$\alpha$-緩和条件下で成立する。
• これらの評価を、グリーディ解の局所最適性と組み合わせることで、任意のマトロイドにおいて $\phi(S) \geq \frac{1}{2\alpha^2}\phi(O)$ の最終的な近似比を導出する。

実験結果

リサーチクエスチョン

• RQ1 距離関数が標準的な距離条件ではなく $\alpha$-緩和三角不等式を満たす場合に、最大和多様化の近似比を境界づけられるか。
• RQ2 半距離空間の制約下でも、最大和多様化のグリーディアルゴリズムが定数倍近似を維持できるか。
• RQ3 $\alpha$ が 1 を超えて増加するに従い、近似保証がどのように劣化するか、そしてその劣化を定量的に評価できるか。
• RQ4 均等マトロイドから任意のマトロイド制約へ、多様化選択の文脈で分析を拡張できるか。
• RQ5 近似枠組みを非単調部分加法的関数へ一般化できるか。

主な発見

• 距離関数が $\alpha$-緩和三角不等式を満たす場合、マトロイド制約がない状況において、グリーディアルゴリズムは最大和多様化で $2\alpha$-近似を達成する。
• 任意のマトロイド制約下では、グリーディアルゴリズムが $2\alpha^2$-近似を達成する。これは、従来の $\alpha=1$（つまり距離空間）の結果を一般化する。
• 分析により、近似比が $\alpha$ の二乗に比例して劣化することが示され、緩和された距離条件下での多様性維持の難易度の上昇を反映している。
• 証明は、マトロイドにおける新しい応用の交換性性質と、特に $t=2$ の場合に特化した $\alpha$-緩和距離のための洗練された不等式に依存している。
• $t=2$ の場合に $\sum_{i=1}^t d(S - b_i + c_i) \geq (t-2)d(S) + \frac{1}{\alpha^2}d(O)$ が得られるという評価は、マトロイド制約下での $2\alpha^2$-近似を確立するために不可欠である。
• 本研究の結果は、従来の距離空間に関する研究を一般化し、IBMの Query by Image Content などの半距離仮定に基づく実世界システムにおけるグリーディ多様化の有効性を裏付けている。