[論文レビュー] SLING: A Near-Optimal Index Structure for SimRank

Boyu Tian, Xiaokui Xiao|arXiv (Cornell University)|Apr 14, 2016

Advanced Graph Neural Networks参考文献 32被引用数 9

ひとこと要約

SLING は、クエリ結果の加法的誤差を ε 以内に保証する SimRank のための新しいインデックス構造であり、単一ペアおよび単一ソースの SimRank クエリをそれぞれ O(1/ε) および O(n/ε) 時間で処理し、O(n/ε) のメモリを消費し、O(m/ε + n log(n/δ)/ε²) の前処理時間が必要である。これは、時間的・空間的複雑度においてほぼ最適であり、従来手法に比べて単一ペアクエリにおいて最大 10,000 倍の高速化を達成している。

ABSTRACT

SimRank is a similarity measure for graph nodes that has numerous applications in practice. Scalable SimRank computation has been the subject of extensive research for more than a decade, and yet, none of the existing solutions can efficiently derive SimRank scores on large graphs with provable accuracy guarantees. In particular, the state-of-the-art solution requires up to a few seconds to compute a SimRank score in million-node graphs, and does not offer any worst-case assurance in terms of the query error. This paper presents SLING, an efficient index structure for SimRank computation. SLING guarantees that each SimRank score returned has at most $\varepsilon$ additive error, and it answers any single-pair and single-source SimRank queries in $O(1/\varepsilon)$ and $O(n/\varepsilon)$ time, respectively. These time complexities are near-optimal, and are significantly better than the asymptotic bounds of the most recent approach. Furthermore, SLING requires only $O(n/\varepsilon)$ space (which is also near-optimal in an asymptotic sense) and $O(m/\varepsilon + n\log \frac{n}δ/\varepsilon^2)$ pre-computation time, where $δ$ is the failure probability of the preprocessing algorithm. We experimentally evaluate SLING with a variety of real-world graphs with up to several millions of nodes. Our results demonstrate that SLING is up to $10000$ times (resp. $110$ times) faster than competing methods for single-pair (resp. single-source) SimRank queries, at the cost of higher space overheads.

研究の動機と目的

• 大規模グラフにおける、効率的で正確かつスケーラブルな SimRank 計算が、保証された誤差境界を備えているという点での不足を補う。
• 従来手法が過度な時間（1 クエリあたり数秒）を要するか、最悪ケースの正確性保証を欠いているという限界を克服する。
• 近似的最適な時間的・空間的複雑度を備えた、高速な単一ペアおよび単一ソース SimRank クエリをサポートするインデックス構造を設計する。
• 各 SimRank スコアの加法的誤差を ε 以内に制限することで、正確性を保証する。
• 理論的最適性を維持したまま、最適化された前処理およびクエリアルゴリズムにより実用的効率を達成する。

提案手法

• ランダムサンプリングおよび行列近似技術を用いて、事前に圧縮された SimRank スコア表現を計算・保存するインデックス構造である SLING を提案する。
• 2段階のアプローチを採用する：まず、ε-正確性を高確率（1−δ）で保証するために、O(m/ε + n log(n/δ)/ε²) の時間でコアインデックスを事前に計算する。この段階では集中限界を活用する。
• SimRank 行列の低ランク構造とグラフ近傍のスパarsity を活用することで、O(n/ε) のメモリでインデックスを格納する。
• 近傍類似度伝搬を用いて事前に計算された推定値を精緻化することで、単一ペアクエリを O(1/ε) 時間で処理する。
• グラフ全体にわたるノードごとの寄与度を事前に計算して集約することで、単一ソースクエリを O(n/ε) 時間で処理する。
• 早期終了やキャッシュなどの最適化技術を統合し、理論的保証を損なわずに実用的パフォーマンスを向上させる。

実験結果

リサーチクエスチョン

• RQ1 加法的誤差が ε 以内に抑えられ、ε に関してほぼ最適な時間で単一ペア SimRank クエリに応答できるインデックス構造を設計できるか？
• RQ2 保証された誤差境界とほぼ最適なメモリ使用量を備えた単一ソース SimRank クエリを O(n/ε) 時間で処理することは可能か？
• RQ3 すべてのクエリタイプに対して高い正確性を保証しつつ、時間的・空間的オーバーヘッドを最小限に抑えるために前処理をどのように最適化できるか？
• RQ4 実世界の大規模グラフにおいて、提案されたインデックスは、速度と正確性の点で最先端の手法をどの程度上回るか？
• RQ5 ミリオンノードのグラフに実用的に導入可能な、空間効率的かつ実用的なインデックスを実現できるか？

主な発見

• SLING は単一ペア SimRank クエリを O(1/ε) 時間で処理でき、これはほぼ最適であり、最良の従来手法の O(log(1/δ)/ε²) 時間よりも顕著に高速である。
• 単一ソースクエリにおいて、SLING は O(n/ε) 時間の複雑度を達成しており、最近の手法の O(n log(1/ε)/ε²) の境界を上回っている。
• 数百万ノードに及ぶ実世界のグラフにおいて、SLING は単一ペアクエリで競合手法の最大 10,000 倍、単一ソースクエリで最大 110 倍の高速化を達成している。
• Linearize とは異なり、SLING は各スコアの加法的誤差が ε 以内に抑えられることを保証している。
• トップ-k SimRank ペアにおける精度評価において、SLING は Linearize と同等またはそれを上回る性能を示し、多くの場合で最大 4% の高い精度を達成している。
• 従来手法に比べて高いメモリオーバーヘッドを伴うが、優れた速度と正確性を実現しており、低遅延かつ正確な類似度クエリを必要とする大規模応用に適している。