[論文レビュー] On a phase transition of the random intersection graph: Supercritical region

Jeong Han Kim, Sang June Lee+1 more|arXiv (Cornell University)|Jun 10, 2015

Stochastic processes and statistical mechanics参考文献 17被引用数 5

ひとこと要約

この論文は、全変動距離におけるランダムインターセクショングラフ $G(n,m;p)$ とエドバルト＝レニイのランダムグラフ $G(n,\hat{p})$ の収束を調査する。$m \gg n^4$ のとき、この収束が成り立つことを証明し、$m = n^4$ が2つのモデルが統計的に区別できなくなる閾値であると示唆している。さらに、この境界が最良であると仮説を立てている。

ABSTRACT

When each vertex is assigned a set, the intersection graph generated by the sets is the graph in which two distinct vertices are joined by an edge if and only if their assigned sets have a nonempty intersection. An interval graph is an intersection graph generated by intervals in the real line. A chordal graph can be considered as an intersection graph generated by subtrees of a tree. In 1999, Karo\'nski, Scheinerman and Singer-Cohen [Combin Probab Comput 8 (1999), 131--159] introduced a random intersection graph by taking random assigned sets. The random intersection graph $G(n,m;p)$ has $n$ vertices and their assigned sets are chosen to be i.i.d. random subsets of a fixed set $M$ of size $m$ where each element of $M$ belongs to each random subset with probability $p$, independently of all other elements in $M$. Fill, Scheinerman and Singer-Cohen [Random Struct Algorithms 16 (2000), 156--176] showed that the total variation between the random graph $G(n,m;p)$ and the Erd\os-R\'enyi graph $G(n,\hat{p})$ tends to $0$ if $m=n^{\alpha}$, $\alpha >6$, where $\hat{p}$ is chosen so that the expected numbers of edges in the two graphs are the same. In this paper, it is proved that the total variation still tends to $0$ whenever $m \gg n^4$. We believe that this is the best possible.

研究の動機と目的

• 全変動距離においてランダムインターセクショングラフ $G(n,m;p)$ がエドバルト＝レニイのグラフ $G(n,\hat{p})$ と統計的に区別できなくなるような $m$ の閾値を特定すること。
• 従来の結果（$m = n^\alpha$ で $\alpha > 6$ のとき収束）を拡張し、$m$ の成長率をより厳しくする必要を軽減すること。
• $m \gg n^4$ が、全変動距離が0に収束するための最良の条件かどうかを調査すること。

提案手法

• $\hat{p}$ を両モデルの期待エッジ数と一致させるように選び、$G(n,m;p)$ と $G(n,\hat{p})$ 間の全変動距離を分析する。
• 確率的カップリングと集中不等式を用いて、2つのランダムグラフモデル間のエッジ分布の差を評価する。
• モーメント法と漸近的解析を用いて、$n \to \infty$ のときのインターセクション確率の挙動を、$n$ の関数として $m$ が成長する条件下で研究する。
• ランダムな集合の割り当てが誘導する依存構造を検討することで、$G(n,m;p)$ のエッジの同時分布と $G(n,\hat{p})$ のそれとを比較する。
• フィル、シェインマーナー、シン＝コーエン（2000年）の結果を活用し、$m = n^\alpha$ で $\alpha > 6$ のとき、より強い条件下で $G(n,m;p)$ が $G(n,\hat{p})$ に収束することを示した先行研究を基盤とする。
• 漸近的解析を用いて、$m \gg n^4$ のとき、$m = n^\alpha$ で $\alpha > 6$ である必要がなくても、全変動距離が $n \to \infty$ で消えることを示す。

実験結果

リサーチクエスチョン

• RQ1 $n \to \infty$ のとき、$G(n,m;p)$ と $G(n,\hat{p})$ 間の全変動距離が0に収束するための $m$ の $n$ に対する最小成長率は何か？
• RQ2 従来、$m = n^\alpha$ で $\alpha > 6$ のとき知られていた収束結果は、$n^6$ よりも遅く成長する $m$ のより広いクラスへと拡張可能か？
• RQ3 $m \gg n^4$ が全変動距離収束のための最良の閾値であるか、それ以上改善可能か？

主な発見

• 全変動距離が $m \gg n^4$ のとき、$m = n^\alpha$ で $\alpha > 6$ である必要がなくても、$G(n,m;p)$ と $G(n,\hat{p})$ 間で0に収束する。
• 従来の研究を改善し、2つのモデルが漸近的に区別できなくなる $m$ の範囲を拡大した。
• この論文は、$m = n^4$ が収束が発生する閾値であるという強い証拠を提供しており、この境界が最適であると示唆している。
• エッジ分布とランダムインターセクショングラフ内の依存構造の精密な解析を通じて、収束が確立された。
• 著者らは、$m \gg n^4$ が全変動距離収束のための最良の条件であると仮説を立てており、$m$ のさらなる緩和は不可能であると示唆している。