[論文レビュー] Subgraph Counting: Color Coding Beyond Trees

Venkatesan T. Chakaravarthy, Michael Kapralov+5 more|arXiv (Cornell University)|Feb 14, 2016

Advanced Graph Neural Networks参考文献 30被引用数 10

ひとこと要約

本論文は、木クエリ（木幅1）を越えるサブグラフカウンティングのための、初めての効率的な分散型カラーコーディングアルゴリズムを提示する。木幅2のクエリグラフを対象としており、高次元ノードに起因する負荷の不均衡を軽減する計算の再構築により、スケーラビリティが線形に向上し、パワー則に従うランダムグラフにおいて漸近的性能向上を達成する。これにより、三角形や4サイクルといった循環的モチーフの分散型サブグラフカウンティングが著しく進展する。

ABSTRACT

The problem of counting occurrences of query graphs in a large data graph, known as subgraph counting, is fundamental to several domains such as genomics and social network analysis. Many important special cases (e.g. triangle counting) have received significant attention. Color coding is a very general and powerful algorithmic technique for subgraph counting. Color coding has been shown to be effective in several applications, but scalable implementations are only known for the special case of {\em tree queries} (i.e. queries of treewidth one). In this paper we present the first efficient distributed implementation for color coding that goes beyond tree queries: our algorithm applies to any query graph of treewidth $2$. Since tree queries can be solved in time linear in the size of the data graph, our contribution is the first step into the realm of colour coding for queries that require superlinear running time in the worst case. This superlinear complexity leads to significant load balancing problems on graphs with heavy tailed degree distributions. Our algorithm structures the computation to work around high degree nodes in the data graph, and achieves very good runtime and scalability on a diverse collection of data and query graph pairs as a result. We also provide theoretical analysis of our algorithmic techniques, showing asymptotic improvements in runtime on random graphs with power law degree distributions, a popular model for real world graphs.

研究の動機と目的

• 木クエリ（木幅1）を越える分散型カラーコーディングのスケーラブルな実装が不足しているという問題に取り組む。
• ソーシャルネットワークやバイオインフォマティクスの応用分野で基本的である、三角形や4サイクルといった循環的クエリのための効率的サブグラフカウンティングを可能にする。
• 重尾度分布を示すグラフにおける高次元ノードに起因する負荷の不均衡を、分散型サブグラフカウンティングの主要なボトル neck として克服する。
• 現実世界のモチーフが豊富に含まれる、一般の木幅2のクエリへのカラーコーディングの適用範囲を拡張する。
• パワー則度分布を示すランダムグラフ上で、性能向上の理論的および実験的証拠を提供する。

提案手法

• アルゴリズムは、各クエリの頂点に一意のランダムカラーを割り当てることで、彩色マッチ（すべての頂点が異なる色を持つサブグラフ）に制限して探索を絞り込む。これにより、探索空間が削減される。
• 高次元ノードの処理を別個に分離することで、分散環境における負荷の不均衡を低減する計算の再構築を実施する。
• クエリグラフの木幅2構造を活用し、色割り当ての上での動的計画法的カウント手順を設計する。
• 頂点と辺をワーカー間でパーティショニングする分散計算モデルを採用し、有効な彩色マッチを数えるための調整を行う。
• 複数回のランダムカラー割り当てを実行し、結果を平均化することで推定精度を向上させる。誤差と収束に関する理論的境界も提示する。
• 理論的分析により、パワー則度列（指数 α ∈ (1,2)）を示す Chung-Lu ランダムグラフにおいて、ナイーブな方法に比べて実行時間の期待値が n^(α−1)/2 倍改善されることを示している。

実験結果

リサーチクエスチョン

• RQ1 木クエリ（木幅1）を越える分散環境下でのカラーコーディングの効率的拡張は可能か？
• RQ2 現実世界のグラフにおける高次元ノードに起因する負荷の不均衡は、分散型サブグラフカウンティングでどのように軽減できるか？
• RQ3 パワー則ランダムグラフ上で木幅2クエリにカラーコーディングを拡張することで、どのような理論的性能向上が達成できるか？
• RQ4 本アルゴリズムは、三角形や4サイクルといった循環的モチーフを含む、多様なデータおよびクエリグラフペアにおいても線形的スケーラビリティを維持するか？
• RQ5 現実世界のグラフモデルにおいて、度数ベースの負荷分散戦略は、ナイーブな頂点ベースアプローチに比べて期待実行時間でどの程度優れるか？

主な発見

• 提案されたアルゴリズムは、三角形や4サイクルといった循環的モチーフを含む多様なデータおよびクエリグラフペアにおいて、実際のスケーリングが線形に達成される。
• パワー則度分布（Chung-Luモデル、指数 α ∈ (1,2)）を示すランダムグラフにおいて、ナイーブなIDベースの方法に比べて、期待実行時間が n^(α−1)/2 倍改善される。
• α ∈ (1, 2 − 1/(q−1)) の範囲では、ナイーブ法に比べて改善が少なくとも n^(α−1)/2 に達し、強い漸近的利点が示される。
• アルゴリズムは λ = O(n^(α/2 − 1)) の λ-バランス性を証明しており、理論的スケーラビリティおよび負荷分散の保証を支持する。
• 重尾度分布を示すグラフでは、負荷の不均衡が顕著になるが、本手法はナイーブおよびIDベースのアプローチを著しく上回る。
• 理論的分析により、アルゴリズムの期待実行時間がナイーブ法の E[Y(q)] に対して o(E[Y(q)]) であることが確認され、パワー則指数 α の異なる範囲に対して明確な境界が導出されている。