[論文レビュー] Significance of Side Information in the Graph Matching Problem

Kushagra Singhal, Daniel Cullina+1 more|arXiv (Cornell University)|Jun 21, 2017

Graph Theory and Algorithms参考文献 39被引用数 5

ひとこと要約

本論文は、相関のあるネットワークにおけるグラフマッチング性能を向上させるために、サイド情報としてのコミュニティラベルおよび不完全な初期マッチングの役割を調査する。コミュニティ次数ベクトル法と二閾値パーコレーションアルゴリズムを提案し、特にシード数が少ない状況や相関が弱い状況において、サイド情報がマッチング精度を顕著に向上させることを示している。

ABSTRACT

Percolation based graph matching algorithms rely on the availability of seed vertex pairs as side information to efficiently match users across networks. Although such algorithms work well in practice, there are other types of side information available which are potentially useful to an attacker. In this paper, we consider the problem of matching two correlated graphs when an attacker has access to side information, either in the form of community labels or an imperfect initial matching. In the former case, we propose a naive graph matching algorithm by introducing the community degree vectors which harness the information from community labels in an efficient manner. Furthermore, we analyze a variant of the basic percolation algorithm proposed in literature for graphs with community structure. In the latter case, we propose a novel percolation algorithm with two thresholds which uses an imperfect matching as input to match correlated graphs. We evaluate the proposed algorithms on synthetic as well as real world datasets using various experiments. The experimental results demonstrate the importance of communities as side information especially when the number of seeds is small and the networks are weakly correlated.

研究の動機と目的

• サイド情報としてのコミュニティ構造や不完全なマッチングが、相関のあるネットワークにおけるグラフマッチングにどのように寄与するかを調査すること。
• 利用可能なシードペアが限られたりノイズが多い状況におけるグラフマッチングの課題に対処すること。
• 従来のシードペアを超えた非伝統的サイド情報を利用した効率的なアルゴリズムの設計。
• 合成データおよび実世界のデータセットを用いて、相関度やシード条件の変動に応じた提案手法の性能評価。

提案手法

• コミュニティラベル情報を効率的に活用できるよう、コミュニティ次数ベクトルを導入し、グラフマッチングにおけるコミュニティ構造の利用を可能にする。
• 不完全な初期マッチングを入力として受け取り、段階的に対応関係を改善する二閾値パーコレーションアルゴリズムを提案する。
• 基本的なパーコレーションアルゴリズムをコミュニティ構造を考慮するように変更し、相関が弱いネットワークでも耐性を高める。
• サイド情報と構造的類似性に基づいてエッジ対応関係を確率的フレームワークでモデル化する。
• サイド情報とトポロジカル整合性に従って、反復的リファインメントによりマッチングをネットワーク全体に伝搬する。
• 植え込みコミュニティ構造を有する合成ネットワークおよび実世界のソーシャルネットワークにアルゴリズムを適用し、性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 シードベース手法と比較して、コミュニティラベルをサイド情報として含めることで、グラフマッチングの正確性はどの程度向上するか？
• RQ2 不完全な初期マッチングが、パーコレーションベースのグラフマッチングアルゴリズムの性能にどの程度寄与するか？
• RQ3 コミュニティ構造は、シード数が少ない状況や相関が弱いネットワーク環境において、サイド情報の有効性にどのように影響を与えるか？
• RQ4 サイド情報がノイズ混じりまたは不完全な状況でも、二閾値パーコレーション機構は標準的なパーコレーションを上回る性能を示せるか？
• RQ5 データが限られた状況下で、コミュニティ構造とシードペアのどちらがマッチング精度の向上により大きな影響を与えるか？

主な発見

• シードペアが少ない状況、特に相関が弱いネットワークでは、コミュニティ次数ベクトルがマッチング精度を顕著に向上させる。
• 不完全な初期マッチングが与えられた場合、提案された二閾値パーコレーションアルゴリズムは標準的なパーコレーションを上回る性能を示す。
• シードペアのみに依存する場合と比較して、コミュニティラベルというサイド情報が、シード数が少ない状況でより高いマッチング正確性を達成する。
• 明確なコミュニティ構造を有するネットワークでは、コミュニティベースのサイド情報による性能向上が最も顕著に現れる。
• 二閾値アルゴリズムは、ノイズ混じりの初期マッチングからの誤り伝搬を効果的に抑制できる。
• 合成データおよび実世界データセットにおける実験結果から、サイド情報の導入により、正確なマッチングに必要なシード数が削減されることが確認された。