[論文レビュー] On sequential structures in incompressible multidimensional networks

Felipe S. Abrahão, Klaus Wehmuth+2 more|arXiv (Cornell University)|Dec 4, 2018

Graph theory and applications参考文献 29被引用数 4

ひとこと要約

本稿は、アルゴリズム的情報理論を用いて、多次元ネットワークにおけるアルゴリズム的圧縮不能性を調査し、スナップショット動的ネットワークおよびマルチプレックスネットワークが、一般の動的ネットワークや多次元ネットワークとは異なり、時間インスタンス数またはレイヤー数に比例する線形のアルゴリズム的情報量を持つことを示している。結果から、圧縮不能性は一般の多次元ネットワークにおいて、時間的・レイヤー間のエッジを含む構造的制約を示していることが明らかになった。

ABSTRACT

In order to deal with multidimensional structure representations of real-world networks, as well as with their worst-case irreducible information content analysis, the demand for new graph abstractions increases. This article investigates incompressible multidimensional networks defined by generalized graph representations. In particular, we mathematically study the lossless incompressibility of snapshot-dynamic networks and multiplex networks in comparison to the lossless incompressibility of more general forms of dynamic networks and multilayer networks, from which snapshot-dynamic networks or multiplex networks are particular cases. Our theoretical investigation first explores fundamental and basic conditions for connecting the sequential growth of information with sequential interdimensional structures such as time in dynamic networks, and secondly it presents open problems demanding future investigation. Although there may be a dissonance between sequential information dynamics and sequential topology in the general case, we demonstrate that incompressibility dissolves it, preventing both the algorithmic dynamics and the interdimensional structure of multidimensional networks from displaying a snapshot-like behavior (as characterized by any arbitrary mathematical theory). Thus, beyond methods based on statistics or probability as traditionally seen in random graphs and complex networks models, representational incompressibility implies a necessary underlying constraint in the multidimensional network topology. We argue that the study of how isomorphic transformations and their respective algorithmic information distortions can characterize sequential interdimensional structures in (multidimensional) networks helps the analysis of network topological properties while being agnostic to the chosen theory, algorithm, computation model, and programming language.

研究の動機と目的

• アルゴリズム的情報理論を用いて、多次元ネットワークの最悪ケースにおける無損失圧縮可能性を分析すること。
• スナップショット動的ネットワークおよびマルチプレックスネットワークのアルゴリズム的情報量を、一般の動的ネットワークおよび多次元ネットワークのそれと比較すること。
• 多次元ネットワーク構造における圧縮不能性が示唆するトポロジカル制約を同定すること。
• 圧縮不能な多次元ネットワークにおける時間的・レイヤー間エッジの役割を調査すること。
• 複雑ネットワーク解析におけるネットワーク要約化および還元可能性の理論的基盤を確立すること。

提案手法

• エッジ集合のアルゴリズム的複雑性に注目し、ネットワーク表現の圧縮不能性を分析するため、アルゴリズム的情報理論の応用。
• 言語に依存しないアルゴリズム的複雑性の測定を保証する不変定理の使用。
• 時間インスタンス数またはレイヤー数の観点から、一般化された多次元ネットワークのアルゴリズム的情報量の数学的分析。
• スナップショット動的ネットワークおよびマルチプレックスネットワークのアルゴリズム的情報量の境界を導出することにより、時間インスタンス数またはレイヤー数に線形依存することを示す。
• 形式的ネットワーク表現フレームワークを用いて、多次元ネットワークの結果を多次元ネットワークや動的ネットワークの抽象化に拡張する。
• 理論的結果に基づき、短い直径、高いk連結性、および度数分布といったトポロジカル特性を同定する。

実験結果

リサーチクエスチョン

• RQ1 スナップショット動的ネットワークおよびマルチプレックスネットワークにおいて、アルゴリズム的情報量は時間インスタンス数またはレイヤー数に対してどのようにスケーリングされるか？
• RQ2 スナップショット的多次元ネットワークと一般の多次元ネットワークとの間で、アルゴリズム的情報量にどのような差があるか？
• RQ3 圧縮不能な多次元ネットワークに必然的に存在するトポロジカル特性は何か？
• RQ4 圧縮不能な多次元ネットワークにおいて、時間的またはレイヤー間エッジが必然的に存在するのか、それらの意義は何か？
• RQ5 アルゴリズム的圧縮不能性は、現実世界または人工ネットワークの下位ネットワークトポロジをどのように制約するか？

主な発見

• 圧縮不能なスナップショット動的ネットワークおよびマルチプレックスネットワークは、時間インスタンス数またはレイヤー数に比例する線形のアルゴリズム的情報量を支配的に示す。
• これに対して、一般の動的ネットワークや多次元ネットワークは、時間インスタンス数またはレイヤー数の二乗に比例するアルゴリズム的情報量を示す。
• 圧縮不能な一般の多次元ネットワークは、必然的に時間的またはレイヤー間エッジを含み、時間的またはレイヤー間の非連続的接続を示している。
• これらのネットワークは、短い直径、高いk連結性、および標準偏差が小さい半分のネットワークサイズ程度の度数を示す強力なトポロジカル制約を示す。
• 結果から、アルゴリズム的圧縮不能性は、多次元ネットワークトポロジにおいて非連続的エッジの存在といった構造的制約を強制することが示唆される。
• 研究結果は、ネットワーク要約化および還元可能性ツールが、このような圧縮不能性に起因する制約を考慮に入れる必要があることを示唆している。