[論文レビュー] Streaming Submodular Maximization under a $k$-Set System Constraint

Ran Haba, Ehsan Kazemi+2 more|arXiv (Cornell University)|Feb 9, 2020

Complexity and Algorithms in Graphs参考文献 37被引用数 6

ひとこと要約

本稿では、$k$-セットシステムおよび$k$-拡張可能制約下における非単調なサブモジュラ最大化のためのストリーミングアルゴリズムを、単調なサブモジュラ最大化のためのストリーミングアルゴリズムに変換する、新しいフレームワークを提案する。本研究では、それぞれの制約下で、初めて知られる$O(k\log k)$および$O(k^2\log k)$の近似比を達成しており、ソーシャルメディアや位置情報データを含むデータ要約タスクにおいて、広範な実験的検証が行われている。

ABSTRACT

In this paper, we propose a novel framework that converts streaming algorithms for monotone submodular maximization into streaming algorithms for non-monotone submodular maximization. This reduction readily leads to the currently tightest deterministic approximation ratio for submodular maximization subject to a $k$-matchoid constraint. Moreover, we propose the first streaming algorithm for monotone submodular maximization subject to $k$-extendible and $k$-set system constraints. Together with our proposed reduction, we obtain $O(k\log k)$ and $O(k^2\log k)$ approximation ratio for submodular maximization subject to the above constraints, respectively. We extensively evaluate the empirical performance of our algorithm against the existing work in a series of experiments including finding the maximum independent set in randomly generated graphs, maximizing linear functions over social networks, movie recommendation, Yelp location summarization, and Twitter data summarization.

研究の動機と目的

• 複雑な制約（$k$-セットシステムや$k$-拡張可能システムを含む）下における非単調サブモジュラ最大化のためのストリーミングアルゴリズムが不足しているという問題に対処すること。
• 既存の単調サブモジュラ最大化のためのストリーミングアルゴリズムを、非単調設定に変換する一般化フレームワークの開発。
• ストリーミングモデル下での$k$-マトロイド、$k$-拡張可能、$k$-セットシステム制約下におけるサブモジュラ最大化の、タイトな決定的近似比の達成。
• メモリ制約およびシングルパス制約下で、実世界のデータ要約タスク（ソーシャルネットワーク、Yelp、Twitterを含む）に対して、提案手法の実験的評価。

提案手法

• 単調サブモジュラ最大化のためのストリーミングアルゴリズムを、非単調サブモジュラ最大化のためのストリーミングアルゴリズムに変換する還元フレームワークを提案する。
• 還元を適用することで、$k$-セットシステムおよび$k$-拡張可能制約下における、初めてのストリーミングアルゴリズムを導出する。
• 単一パスかつメモリ効率の良いアルゴリズムを用い、マージナル利得と制約の整合性に基づいて、要素の追加または除外を動的に決定することで、妥当な解を維持する。
• サブサンプリングとグリーディ選択戦略を活用し、複雑な制約下でも近似保証を維持する。
• マトロイドおよびナップサック制約を$k$-拡張可能システムフレームワークに統合し、実世界の要約タスクをモデル化する。
• 複数のナップサック制約（例：時間と長さ）を正規化・統合し、ストリーミングデータにおける多様な要約目的をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 単調サブモジュラ最大化のためのストリーミングアルゴリズムを、複雑な制約下での非単調サブモジュラ最大化のためのアルゴリズムに変換する一般化フレームワークを設計できるか？
• RQ2 $k$-セットシステムおよび$k$-拡張可能制約下におけるストリーミングサブモジュラ最大化の、達成可能な最良の近似比は何か？
• RQ3 提案されたフレームワークは、$k$-セットシステム制約下での線形関数のような特殊ケースにおいて、既存のアルゴリズムよりも優れた近似比を達成できるか？
• RQ4 実世界のデータ要約タスクにおける、提案されたストリーミングアルゴリズムの性能は、オフラインおよびベースラインストリーミングアルゴリズムと比べてどうか？
• RQ5 厳密なメモリ制約およびシングルパス制約下でも、アルゴリズムは高い実用性を維持できるか？

主な発見

• 提案されたフレームワークは、$k$-マトロイド制約下におけるサブモジュラ最大化において、現在までに達成された最もタイトな決定的近似比$O(k\log k)$を達成している。
• 本稿では、$k$-セットシステム制約下における単調サブモジュラ最大化のための、初めてのストリーミングアルゴリズムを提案し、$O(k^2\log k)$の近似比を達成している。
• $k$-拡張可能システム制約下では、$O(k\log k)$の近似比を達成しており、線形関数の場合の従来の$O(k^2)$の境界を著しく改善している。
• 実験的評価により、シングルパスおよびメモリ制約下にあっても、提案されたアルゴリズムは最先端のオフラインアルゴリズムと同等の実用性を達成していることが示された。
• TwitterおよびYelpの要約タスクにおいて、ベースラインストリーミング手法を上回り、複数の制約下でも一部のオフラインアルゴリズムと同等またはそれを上回る実用性を示した。
• 結果から、制約を追加すること（例：Twitterデータにおける時間と長さ）が要約の実用性を低下させること（期待通り）が確認され、モデルの制約の複雑さに対する感受性が妥当であることが裏付けられた。