[論文レビュー] Maximum-Entropy Random Walks on Hypergraphs

Anqi Dong, Anzhi Sheng+2 more|arXiv (Cornell University)|Mar 12, 2026

Complex Network Analysis Techniques被引用数 0

ひとこと要約

論文は最大エントロピー乱歩を指向性ハイパグラフへ拡張し、KL射影ベースのブロードキャスティングとマージングモデルを導出し、Sinkhorn–Schrödinger型反復法で解く。

ABSTRACT

Random walks are fundamental tools for analyzing complex networked systems, including social networks, biological systems, and communication infrastructures. While classical random walks focus on pairwise interactions, many real-world systems exhibit higher-order interactions naturally modeled by hypergraphs. Existing random walk models on hypergraphs often focus on undirected structures or do not incorporate entropy-based inference, limiting their ability to capture directional flows, uncertainty, or information diffusion in complex systems. In this article, we develop a maximum-entropy random walk framework on directed hypergraphs with two interaction mechanisms: broadcasting where a pivot node activates multiple receiver nodes and merging where multiple pivot nodes jointly influence a receiver node. We infer a transition kernel via a Kullback--Leibler divergence projection onto constraints enforcing stochasticity and stationarity. The resulting optimality conditions yield a multiplicative scaling form, implemented using Sinkhorn--Schrödinger-type iterations with tensor contractions. We further analyze ergodicity, including projected linear kernels for broadcasting and tensor spectral criteria for polynomial dynamics in merging. The effectiveness of our framework is demonstrated with both synthetic and real-world examples.

研究の動機と目的

• 高次・指向性相互作用を持つグラフを超えたMERWの動機づけ。
• 指向ハイパグラフ上の2つの標準的相互作用機構（ブロードキャスティングとマージング）の開発。
• 確率性とノード定常性制約の下でKLダンピング（KL発散）射影を通じて遷移核を推定。
• ハイパーグラフMERWのための乗法的スケーリング解とスケーラブルなアルゴリズム（Sinkhorn–Schrödinger反復）。
• 提案モデルの遍歴性と収束性の解析。

提案手法

• ブロードキャスティング（1対多）とマージング（多対1）相互作用を用いて指向ハイパーエッジをモデル化。
• ハイパーエッジレベルの確率性とノードレベルの定常性を課す制約へのKL射影問題としてMERWを定式化。
• 最適なブロードキャスティング核は乗法的因子分解 B* = K ⊙ (u ∘ (v ∘ v ∘ ... ∘ v)) を持ち、正のベクトル u, v が存在することを示す。
• 非一様ハイパーグラフに対して層重みと重み付きKL目的関数を用いて拡張。
• ブロードキャスティングダイナミクスをノード周辺分布 p_{t+1} = P^T p_t を支配する線形射影核Pへ縮約。
• ブロードキャスティング核を効率的に計算するSinkhorn–Schrödinger型の交互スケーリングを用いる。
• 投影核とテンソル固有値基準によるマージングダイナミクスの遍歴性解析を提供。

Figure 1: Broadcasting MERWs on directed hypergraphs. Each colored region represents a directed hyperedge, with arrows indicating activation from a pivot (tail) node to a set of receiver (head) nodes (e.g., $v_{1}\rightarrow\{v_{2},v_{3}\}$ ).

実験結果

リサーチクエスチョン

• RQ1 指向ハイパーグラフを通常のグラフに還元せずに最大エントロピー原理をいかに定義できるか。
• RQ2 ブロードキャスティングとマージングの相互作用を、扱いやすいエントロピー正則化ダイナミクスへどう定式化するか。
• RQ3 KLダンピング射影は確率性と定常性制約を満たす唯一でスケーラブルな遷移テンソルを生み出せるか。
• RQ4 指向ハイパーグラフ上のブロードキャスティングとマージングMERWの遍歴性と収束性はどうなるか。
• RQ5 高次テンソルに対してSinkhorn–Schrödingerアルゴリズムをどのように適用して効率的な計算を実現するか。

主な発見

• 提案された制約の下で唯一の最適なブロードキャスト遷移テンソルが存在する。
• 最適なブロードキャストテンソルは正のスケーリングベクトルを持つ乗法的前方対称因子分解を許す。
• 非一様なハイパーグラフでは層重み付きKL目的関数により一様層間の解が一意となる。
• ノードレベルのブロードキャスティングダイナミクスは、定常性を保つ射影核を用いる線形マルコフ連鎖に縮約される。
• Sinkhorn–Schrödingerスケーリングは最適なブロードキャストテンソルを計算する効率的な反復法を提供する。
• 遍歴性解析はノード周辺分布に対する線形作用素を用いて扱いやすく、ブロードキャストとマージングには別個の考慮が必要。

Figure 2: Merging MERWs on directed hypergraphs. Each colored region represents a directed hyperedge, with arrows indicating activation from a set of pivot (tail) nodes to a receiver (head) node (e.g., $\{v_{2},v_{3}\}\rightarrow v_{1}$ ).