[論文レビュー] Scalable Katz Ranking Computation in Large Static and Dynamic Graphs

Alexander van der Grinten, Elisabetta Bergamini+3 more|arXiv (Cornell University)|Jan 1, 2018

Complex Network Analysis Techniques被引用数 6

ひとこと要約

本論文は、静的および動的グラフにおけるトップ-k Katz中心性ランク付けを、ノードスコアの上界と下界を繰り返し精緻化することで、証明可能に正しい方法で計算する新規なアルゴリズムを提案する。数値的手法およびヒューリスティック手法よりも1.5倍から3.5倍の高速化を達成し、GPUアクセラレーションを活用することで、数億ノードおよびエッジを有するグラフにおいてもニアリアルタイムでの計算が可能となる。

ABSTRACT

Network analysis defines a number of centrality measures to identify the most central nodes in a network. Fast computation of those measures is a major challenge in algorithmic network analysis. Aside from closeness and betweenness, Katz centrality is one of the established centrality measures. In this paper, we consider the problem of computing rankings for Katz centrality. In particular, we propose upper and lower bounds on the Katz score of a given node. While previous approaches relied on numerical approximation or heuristics to compute Katz centrality rankings, we construct an algorithm that iteratively improves those upper and lower bounds until a correct Katz ranking is obtained. We extend our algorithm to dynamic graphs while maintaining its correctness guarantees. Experiments demonstrate that our static graph algorithm outperforms both numerical approaches and heuristics with speedups between 1.5 x and 3.5 x, depending on the desired quality guarantees. Our dynamic graph algorithm improves upon the static algorithm for update batches of less than 10000 edges. We provide efficient parallel CPU and GPU implementations of our algorithms that enable near real-time Katz centrality computation for graphs with hundreds of millions of nodes in fractions of seconds.

研究の動機と目的

• 既存の数値的手法およびヒューリスティック手法におけるトップ-k Katz中心性ランク付けの正しさの保証の欠如に対処する。
• 高い数値的許容誤差を必要とする反復的線形システムソルバーに依存せずに、正確なトップ-kランク付けを計算する手法を開発する。
• エッジの挿入および削除の過程で正しさを維持することで、動的グラフにおける効率的な計算を可能にする。
• 並列CPUおよびGPU実装を通じて、大規模ネットワークのリアルタイム分析を実現する高いパフォーマンスを達成する。

提案手法

• ノードごとのKatzスコアに対する上界と下界を、ノイマン級数の定式化を用いて提案する。
• 上界と下界を繰り返し精緻化することで、数値的近似を用いずに正しさを保証するランク付けを決定する。
• エッジの変更後に影響を受けるノードにのみスコアの更新を伝搬することで、静的アルゴリズムを動的グラフに拡張する。
• 共有メモリ並列処理をCPUで実装し、GPUカーネルを用いて高いスケーラビリティを実現する。
• ϵ許容誤差に基づく収束基準を用い、トップ-kノードの上下界が十分にタイトになった段階で処理を終了する。
• 将来のハードウェアおよびソフトウェアスタックとの互換性を高めるために、GraphBLASに類似した抽象化を活用する。

実験結果

リサーチクエスチョン

• RQ1 線形システムの数値的近似に依存せずに、正確なトップ-k Katz中心性ランク付けを計算することは可能か？
• RQ2 頻繁なエッジ変更が生じる動的グラフにおいて、正しさと効率性をどのように維持できるか？
• RQ3 従来の反復的ソルバーやヒューリスティック手法と比較して、境界に基づく反復的精緻化による性能向上はどの程度達成可能か？
• RQ4 並列CPUおよびGPUアーキテクチャを活用することで、正確なKatzランク付けの計算はどの程度高速化できるか？
• RQ5 異なるグラフサイズおよびトップ-kクエリ閾値において、アルゴリズムのスケーラビリティはどの程度向上するか？

主な発見

• 提案された静的アルゴリズムは、数値ソルバーやヒューリスティック手法よりも、望ましい正しさの保証に応じて1.5倍から3.5倍の高速化を達成する。
• 動的グラフにおいては、10,000エッジ未満のバッチ更新において再計算を上回る性能を示し、小規模な更新に対して顕著な高速化を実現する。
• GPUアクセラレーテッド実装は、20コアCPU構成に対して幾何平均10倍の高速化を達成し、大規模グラフでは実行時間を220ms未満に短縮する。
• 本アルゴリズムにより、最大1億2000万エッジを有するグラフにおいてニアリアルタイムのKatz中心性計算が可能となり、GPU実行時間は20msから213msの間で変動する。
• k ≤ 1000の範囲ではトップ-kバージョンのアルゴリズムが有意な高速化を実現するが、全ランク付け手法は標準的なソルバーと同等の性能を維持する。
• 反復的境界のタイトニングにより、ヒューリスティック手法にありがちな誤ったランク付けのリスクを排除することで、本手法の正しさは保証される。