[論文レビュー] Sampling random graph homomorphisms and applications to network data analysis

Hanbaek Lyu, Facundo Mémoli+1 more|arXiv (Cornell University)|Oct 21, 2019

Topological and Geometric Data Analysis参考文献 38被引用数 8

ひとこと要約

本稿では、大規模なネットワークからのグラフ準同型写像のサンプリングにMCMCに基づくフレームワークを提案し、構造的モチーフを捉える安定的かつ計算可能なネットワーク観測量の実現を可能にする。固定されたテンプレートグラフ（モチーフ）に条件付けたことで、連結で構造的に意味のある部分グラフを保証し、Facebook100 や単語隣接ネットワークといった実世界のデータセットにおいて、ネットワーククラスタリングおよび部分グラフ分類の分野で優れた性能を発揮する。

ABSTRACT

A graph homomorphism is a map between two graphs that preserves adjacency relations. We consider the problem of sampling a random graph homomorphism from a graph into a large network. We propose two complementary MCMC algorithms for sampling random graph homomorphisms and establish bounds on their mixing times and the concentration of their time averages. Based on our sampling algorithms, we propose a novel framework for network data analysis that circumvents some of the drawbacks in methods based on independent and neighborhood sampling. Various time averages of the MCMC trajectory give us various computable observables, including well-known ones such as homomorphism density and average clustering coefficient and their generalizations. Furthermore, we show that these network observables are stable with respect to a suitably renormalized cut distance between networks. We provide various examples and simulations demonstrating our framework through synthetic networks. We also \commHL{demonstrate the performance of} our framework on the tasks of network clustering and subgraph classification on the Facebook100 dataset and on Word Adjacency Networks of a set of classic novels.

研究の動機と目的

• スパースなネットワークにおける独立サンプリングや近隣サンプリングの限界を克服し、サンプルされた部分グラフが構造的モチーフを保持することを保証すること。
• モチーフに基づくサンプリングを用いた、計算効率的かつ安定したネットワークデータ分析フレームワークの開発。
• 正規化されたカット距離の下で安定する、準同型写像密度やクラスタリング係数といった新しいネットワーク観測量の定義。
• Facebook100 や古典的小説からの単語隣接ネットワークを含む実データセットにおけるフレームワークの有効性の実証。
• モチーフサンプリングとプロファイル解析を通じて、解釈可能で低次元の複雑なネットワークの表現の実現。

提案手法

• 固定されたテンプレートグラフ（モチーフ）へのネットワークからのグラフ準同型写像のサンプリングを保証する、2つの補完的MCMCアルゴリズムを提案。
• MCMCの軌道の時間平均を用いて、一般化された準同型写像密度やクラスタリング係数を含むネットワーク観測量を計算。
• 混合時間と時間平均の集中に関する理論的バウンドを確立し、収束性と信頼性を保証。
• ネットワークの類似度を測るための正規化されたカット距離を導入し、計算された観測量の安定性不等式を証明。
• 部分グラフ分類および階層的クラスタリングのためのCHD（クリーク準同型写像密度）プロファイルの計算にフレームワークを適用。
• モチーフに由来する部分グラフ上でMCMCサンプリングを実行し、CHDプロファイル間のL1、KL、Frobenius距離を分類タスクに用いる。

実験結果

リサーチクエスチョン

• RQ1 MCMCに基づくグラフ準同型写像のサンプリングは、意味のある構造的特徴を反映する安定的かつ計算可能なネットワーク観測量を生成できるか？
• RQ2 提案された観測量は、実世界のネットワークにおけるネットワーククラスタリングおよび部分グラフ分類タスクでどの程度の性能を示すか？
• RQ3 正規化されたカット距離で測定したネットワーク構造の小さな摂動に対して、計算された観測量はどの程度安定しているか？
• RQ4 局所的なネットワーク構造を捉える観点から、モチーフに基づくサンプリングは、従来の独立または近隣サンプリングを上回る性能を示せるか？
• RQ5 CHDプロファイルに基づく著者分類において、L1、KL、Frobenius距離の各指標は、どのように比較されるか？

主な発見

• 提案されたMCMCアルゴリズムは、混合時間が有界であり、時間平均の集中が保証され、グラフ準同型写像の信頼性の高いサンプリングを実現する。
• Facebook100データセットにおいて、本フレームワークは機関別にネットワークをクラスタリングに成功し、構造的変動に対して強い耐性を示した。
• 10部の古典的小説の単語隣接ネットワークにおいて、CHDプロファイルは、1人あたり4つの既知のテキストを用いて著者判別で84％の正確度を達成し、Frobenius距離（68％）を上回り、KL距離（87％）と同等の性能を示した。
• (0,0)-CHDプロファイルはシャープズとオースティンのクラスタリングにおいて優れた性能を示したが、KL距離はシャープズにおいて優れた性能を示し、指標間の相補的な強みが明らかになった。
• フレームワークの観測量は正規化されたカット距離の下で安定しており、ネットワーク解析における重要な安定性不等式を満たしている。
• 本手法は、解釈可能で低次元の複雑なネットワークの表現を可能にし、とくにスパースまたは構造的なデータに対して効果的である。