[論文レビュー] Testing Network Structure Using Relations Between Small Subgraph Probabilities

Chao Gao, John Lafferty|arXiv (Cornell University)|Apr 22, 2017

Complex Network Analysis Techniques参考文献 36被引用数 43

ひとこと要約

本稿は、エッジ、三角形、V字型の部分グラフ頻度といった小さな部分グラフ確率の関係に基づく、Erdős-Rényi帰無仮説の下でのネットワーク構造に対する統計的仮説検定を提案する。$T_2$ および $T_3$ の統計量に関して多変量中心極限定理を確立し、一般の代替モデル、特に未知の $k$ 個のコミュニティをもつストキャスティックブロックモデル（SBM）において、関連する $χ^2$ 検定がパワーが1に近づくことを示した。これは、コミュニティ検出に必要な信号対雑音比（SNR）よりも弱いSNRでも成立する。

ABSTRACT

We study the problem of testing for structure in networks using relations between the observed frequencies of small subgraphs. We consider the statistics \begin{align*} T_3 & =( ext{edge frequency})^3 - ext{triangle frequency}\\ T_2 & =3( ext{edge frequency})^2(1- ext{edge frequency}) - ext{V-shape frequency} \end{align*} and prove a central limit theorem for $(T_2, T_3)$ under an Erdős-Rényi null model. We then analyze the power of the associated $χ^2$ test statistic under a general class of alternative models. In particular, when the alternative is a $k$-community stochastic block model, with $k$ unknown, the power of the test approaches one. Moreover, the signal-to-noise ratio required is strictly weaker than that required for community detection. We also study the relation with other statistics over three-node subgraphs, and analyze the error under two natural algorithms for sampling small subgraphs. Together, our results show how global structural characteristics of networks can be inferred from local subgraph frequencies, without requiring the global community structure to be explicitly estimated.

研究の動機と目的

• ローカルな部分グラフ頻度統計のみを用いて、グローバルなネットワーク構造を検出する統計的仮説検定を開発すること。
• Erdős-Rényiランダムグラフモデルの下で、部分グラフ頻度に基づく統計量の漸近的分布を分析すること。
• 特にコミュニティ構造が未知のストキャスティックブロックモデル（SBM）を含む代替ネットワークモデルにおける検定のパワーを評価すること。
• 検出に必要な信号対雑音比（SNR）の閾値を特定し、コミュニティ検出手法と比較すること。
• 2つの自然なサンプリングアルゴリズムにおける部分グラフ頻度推定のサンプリング誤差を評価すること。

提案手法

• ランダムグラフにおけるホモモルフィズム制約から導かれる、$T_3 = (\text{エッジ頻度})^3 - \text{三角形頻度}$ および $T_2 = 3(\text{エッジ頻度})^2(1 - \text{エッジ頻度}) - \text{V字型頻度}$ の2つの統計量を提案。
• Erdős-Rényi帰無仮説の下で、$(T_2, T_3)$ に対する多変量中心極限定理を確立し、統計量の漸近的正規性を裏付ける。
• ストキャスティックブロックモデルを含む一般クラスの代替モデルにおける $(T_2, T_3)$ を用いた $χ^2$ 検定のパワーを分析。
• 分散分解と集中不等式を用いて、復元抽出および非復元抽出の両方における部分グラフ頻度推定器のサンプリング誤差を評価。
• 部分グラフサンプリングに起因する従属構造から生じる漸近的正規性を導くために、マルティンゲール中心極限定理の手法を適用。
• ノードの均等サンプリングおよび三重組みの均等サンプリングの2つのサンプリング方式における、部分グラフ頻度の推定誤差の境界を導出。

実験結果

リサーチクエスチョン

• RQ1 完全なコミュニティ構造の推定なしに、ローカルな部分グラフ頻度関係からグローバルなネットワーク構造を検出可能か？
• RQ2 Erdős-Rényi帰無仮説の下で、部分グラフ頻度統計量 $T_2$ および $T_3$ の漸近的分布は何か？
• RQ3 未知の $k$ 個のコミュニティをもつストキャスティックブロックモデル（SBM）代替モデルにおいて、$(T_2, T_3)$ を用いた $χ^2$ 検定のパワーはどのように振る舞うか？
• RQ4 高パワーを達成するための最小信号対雑音比（SNR）は何か？ また、コミュニティ検出に必要なSNRと比較するとどうなるか？
• RQ5 サンプリングアルゴリズムは、検定統計量に用いられる部分グラフ頻度の推定誤差にどのように影響するか？

主な発見

• Erdős-Rényiモデルの下で、適切な正規化を施した $(T_2, T_3)$ は、多変量正規分布に分布収束する。
• $(T_2, T_3)$ を用いた $χ^2$ 検定は、$k$ 個のコミュニティをもつ任意のストキャスティックブロックモデル（SBM）において、漸近的にパワーが1に近づく。これは $k$ が未知であっても成立する。
• 高パワーを達成するための信号対雑音比（SNR）は、コミュニティ検出に必要なSNRよりも厳密に弱く、より感度の高い検出手法であることを示唆している。
• 2コミュニティのストキャスティックブロックモデルでは、コミュニティ検出の最適スケーリングにおいても、この検定はパワーが1に近づくため、この領域では最適性が確認される。
• 復元抽出および非復元抽出の両方において、部分グラフ頻度推定の誤差は有界であり、分散項はそれぞれ $O(\rho^6/m)$ および $O(\rho^3/|\Delta|)$ のオーダーに比例する。
• 推定誤差が $O_P(\rho^{5/2}/n + \rho^{3/2}/|\Delta|^{1/2})$ のオーダーで減少するため、部分的で部分グラフサンプリングであっても、この検定はサンプリングノイズに対してロバストであり、信頼性の高い推論が可能である。