[論文レビュー] Streaming Robust Submodular Maximization: A Partitioned Thresholding Approach

Slobodan Mitrović, Ilija Bogunovic+3 more|arXiv (Cornell University)|Nov 7, 2017

Complexity and Algorithms in Graphs参考文献 13被引用数 13

ひとこと要約

本稿では、1回のパスで処理を行い、任意の$m$個の要素が削除されても一定要因の近似を保証する、ロバストなサブモジュラ最大化のストリーミングアルゴリズムであるSTAR-Tを提案する。このアルゴリズムは、指数的に減少するしきい値を用いたパーティショニングされたしきい値設定機構を採用し、効率性と耐性を両立する。最終的な要約のサイズは$O((k + m\log k)\log^2 k)$である。

ABSTRACT

We study the classical problem of maximizing a monotone submodular function subject to a cardinality constraint k, with two additional twists: (i) elements arrive in a streaming fashion, and (ii) m items from the algorithm's memory are removed after the stream is finished. We develop a robust submodular algorithm STAR-T. It is based on a novel partitioning structure and an exponentially decreasing thresholding rule. STAR-T makes one pass over the data and retains a short but robust summary. We show that after the removal of any m elements from the obtained summary, a simple greedy algorithm STAR-T-GREEDY that runs on the remaining elements achieves a constant-factor approximation guarantee. In two different data summarization tasks, we demonstrate that it matches or outperforms existing greedy and streaming methods, even if they are allowed the benefit of knowing the removed subset in advance.

研究の動機と目的

• 大規模データ要約におけるストリーミング処理と耐性の制約に直面する課題に対処すること。
• 最大$m$個の要素が削除されても、コン act な要約を維持するストリーミングアルゴリズムを設計すること。
• 任意の$m$個の要素が削除された後でも、残りの要約に対して単純な貪欲法が一定要因の近似を達成できることを保証すること。
• 要約再処理が不可能なリアルタイムシステムへの実用的導入を可能にすること。
• 既存手法でさえも事前に削除要素を知っている場合でさえも、新規のパーティショニングしきい値構造を活用することで、性能を上回ること。

提案手法

• データストリームを複数のパーティションに分け、各パーティションのバケットサイズを指数関数的に増加させる。
• 各パーティションに対して、指数的に減少するしきい値ルールを適用し、要素選択を制御し、耐性を確保する。
• 各パーティション内で、パーティションインデックスに応じて減少する限界利得しきい値に従う貪欲選択戦略を採用する。
• 高価値の要素を複数のパーティションに分散させることで、任意の$m$個の要素削除に対しても耐性を持つ要約を構築する。
• ストリーム処理後、要約内の残りの要素に対して単純な貪欲法を適用し、最終的な解を得る。
• サブモジュラ性と単調性の性質を活用し、敵対的削除に対しても一定要因の近似保証を証明する。

実験結果

リサーチクエスチョン

• RQ1 敵対的要素削除の下で、ストリーミングアルゴリズムがサブモジュラ最大化に対して一定要因の近似を達成できるか。
• RQ2 1パス処理で、入力サイズに対して非線形なサイズのコンパクトかつ耐性のある要約を維持できるか。
• RQ3 どのような構造的設計が任意の$m$個の要素削除に対して耐性を示しつつ、近似保証を維持できるか。
• RQ4 提案されたパーティショニングしきい値機構は、従来のストリーミング手法と比較して、どのように耐性を向上させるか。
• RQ5 ベースラインが削除要素を事前に知っている場合でさえも、本アルゴリズムがそれらを上回れるか。

主な発見

• STAR-Tは、要約から任意の$m$個の要素が削除された後でも、ロバストなサブモジュラ最大化に対して一定要因の近似保証を達成する。
• アルゴリズムは$O((k + m\log k)\log^2 k)$のサイズの要約を構築する。これは大規模データに対して非線形かつ実用的である。
• 映画推薦タスクでは、STAR-T-Greedyは、後続の貪欲法ベースラインでさえも事前に削除要素を知っている場合でも、数パcent以内の性能を達成する。
• ジャンルベースのフィルタリングシナリオでは、59%の映画が削除されてもSTAR-T-Greedyは高い性能を維持し、強い耐性を示す。
• 実験ではSTAR-T-SieveとSieve-Streamingの性能は類似しているが、$|E| \gg k$の状況ではSTAR-T-Greedyが優れている。
• 理論的境界値（$k$）を上回る要素数が削除されても、本手法は依然として効果的であり、理論を超えた実用的耐性を示している。