[論文レビュー] On the Propagation of Low-Rate Measurement Error to Subgraph Counts in Large Networks

Prakash Balachandran, Eric D. Kolaczyk+1 more|arXiv (Cornell University)|Sep 19, 2014

Random Matrices and Applications参考文献 12被引用数 5

ひとこと要約

この論文は、ネットワーク構築における低レートの測定誤差が部分グラフカウント、特にエッジカウントにどのように伝播するかを調査し、独立または弱く依存する誤差のもとで、推定値と真のエッジカウントの差がスケルラム分布に従うことを示している。主な貢献は、スティーンの手法を用いた厳密な確率的特徴付けであり、低レートの誤差を持つ大規模ネットワークにおいて、正規分布よりもスケルラム分布がより緊密な近似を与えることを示している。

ABSTRACT

Our work in this paper is inspired by a statistical observation that is both elementary and broadly relevant to network analysis in practice -- that the uncertainty in approximating some true network graph $G=(V,E)$ by some estimated graph $\hat{G}=(V,\hat{E})$ manifests as errors in the status of (non)edges that must necessarily propagate to any estimates of network summaries $η(G)$ we seek. Motivated by the common practice of using plug-in estimates $η(\hat{G})$ as proxies for $η(G)$, our focus is on the problem of characterizing the distribution of the discrepancy $D=η(\hat{G}) - η(G)$, in the case where $η(\cdot)$ is a subgraph count. Specifically, we study the fundamental case where the statistic of interest is $|E|$, the number of edges in $G$. Our primary contribution in this paper is to show that in the empirically relevant setting of large graphs with low-rate measurement errors, the distribution of $D_E=|\hat{E}| - |E|$ is well-characterized by a Skellam distribution, when the errors are independent or weakly dependent. Under an assumption of independent errors, we are able to further show conditions under which this characterization is strictly better than that of an appropriate normal distribution. These results derive from our formulation of a general result, quantifying the accuracy with which the difference of two sums of dependent Bernoulli random variables may be approximated by the difference of two independent Poisson random variables, i.e., by a Skellam distribution. This general result is developed through the use of Stein's method, and may be of some general interest. We finish with a discussion of possible extension of our work to subgraph counts $η(G)$ of higher order.

研究の動機と目的

• ネットワーク構築における測定誤差が部分グラフカウント、特にエッジカウントにどのように伝播するかを理解すること。
• 推定値と真のネットワーク部分グラフカウントの差の分布を形式的に特徴づけること。
• エッジレベルの測定誤差によるネットワーク要約の不確実性を定量化するための確率的フレームワークを構築すること。
• スケルラム分布と正規分布の両方がエッジカウント差の近似においてどれほど正確であるかを比較すること。
• 分析を高階部分グラフカウントへと拡張し、エッジカウントを超えた一般化の可能性を示唆すること。

提案手法

• エッジの存在／不在に関する誤差を表す従属するベルヌーイ確率変数の和として、差 $ D_E = | ilde{E}| - |E| $ を定式化する。
• スティーンの手法を適用し、従属するベルヌーイ確率変数の和の差をスケルラム分布で置き換える際の近似誤差の一般境界を導出する。
• 測定誤差率が低くネットワークが大規模である場合に、スケルラム近似が正規近似よりも厳密に優れている条件を確立する。
• モーメントに基づく表現式と指数的尾部近似を用いて、近似誤差の明示的な下界を導出する。
• 低レート誤差仮定の下での漸近的解析を通じて、スパarsesおよびdenseなネットワークの両 regime におけるスケルラム近似の妥当性を検証する。
• 条件付きモーメントと切り捨て期待値を用いたカップリング技術を用いて、スティーンの手法フレームワークにおける誤差を制御する。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク構築における低レートの測定誤差が、推定エッジカウントの分布にどのように影響するか？
• RQ2 大規模ネットワークにおいて、真のエッジカウントと推定エッジカウントの差をスケルラム分布が正確にモデル化できるか？
• RQ3 スケルラム近似がエッジカウント差の近似において正規近似を上回る条件は何か？
• RQ4 測定誤差の依存構造が、部分グラフカウント近似の精度にどのように影響するか？
• RQ5 提案されたフレームワークは、エッジを越えて高階部分グラフカウントへとどの程度拡張可能か？

主な発見

• 独立または弱く依存する測定誤差のもとで、大規模ネットワークにおいてエッジカウントの差 $ D_E = | ilde{E}| - |E| $ はスケルラム分布でよく近似される。
• 測定誤差率が低くネットワークが大規模である場合、スケルラム近似は正規近似よりも厳密に良い誤差境界を提供する。
• 明示的な下界が導出され、低レート誤差仮定のもとで誤差が漸近的に $ O(1/ ext{ネットワークサイズ}) $ として減少することが示された。
• スティーンの手法を用いて、従属するベルヌーイ確率変数の和の差をスケルラム分布で近似する一般結果が確立され、誤差境界が明確に定量化された。
• フレームワークはスパarsesおよびdenseなネットワーク両方の状態で頑健であることが示され、誤差境界は偽陽性と偽陰性の誤差率 $ \alpha $ と $ \beta $ に依存する。
• 分析から、エッジカウントを超えて高階部分グラフカウントへのフレームワークの拡張が可能であることが示唆されたが、依存構造の複雑さが著しく増加する。