[論文レビュー] The Metric Space of Networks

Samir Chowdhury, Facundo Mémoli|arXiv (Cornell University)|Apr 9, 2018

Topological and Geometric Data Analysis参考文献 25被引用数 9

ひとこと要約

本稿では、グラフ同型を「弱同型」に緩和することで、重み付き有向ネットワークのための新しい距離空間枠組みを導入する。2つのネットワークが弱同型であることは、すべてのモチーフ集合が同一であることと同値であり、これはグローバルからローカルへの再構成を可能にし、弱同型とネットワークスケルトンの強い同型を結びつける。

ABSTRACT

We study the question of reconstructing a weighted, directed network up to isomorphism from its motifs. In order to tackle this question we first relax the usual (strong) notion of graph isomorphism to obtain a relaxation that we call weak isomorphism. Then we identify a definition of distance on the space of all networks that is compatible with weak isomorphism. This global approach comes equipped with notions such as completeness, compactness, curves, and geodesics, which we explore throughout this paper. Furthermore, it admits global-to-local inference in the following sense: we prove that two networks are weakly isomorphic if and only if all their motif sets are identical, thus answering the network reconstruction question. Further exploiting the additional structure imposed by our network distance, we prove that two networks are weakly isomorphic if and only if certain essential associated structures---the skeleta of the respective networks---are strongly isomorphic.

研究の動機と目的

• 重み付き有向ネットワークをその局所的部分構造（モチーフ）から同型の意味で再構成するという根本的問題に取り組む。
• 標準的な（強い）グラフ同型を、局所的サブグラフによる比較において構造的同等性を保つより柔軟な概念「弱同型」に緩和する。
• 弱同型と整合するグローバルな距離関数をネットワーク空間に定義し、ネットワーク構造の幾何的解析を可能にする。
• グローバルなネットワーク特性が局所的モチーフデータから一貫して推論可能となる条件を確立し、グローバルからローカルへの推論を支援する。
• 弱同型がネットワークスケルトンの強い同型と同値であることを証明し、グローバル構造を最小で本質的な表現に結びつける。

提案手法

• 弱同型を、すべてのモチーフサイズとタイプにおいてモチーフ集合が同一である場合にネットワークが同値とみなされるという形で導入する。
• 弱同型と整合するネットワーク空間上の距離関数を定義し、完備性、コンパクト性、曲線、測地線などの位相的・幾何的解析を可能にする。
• 構造的不変量を弱同型のもとで保存する最小で本質的な表現として、ネットワークの「スケルトン」を構築する。
• モチーフ集合を完全不変量として用いる：2つのネットワークが弱同型であることは、それらのモチーフ集合が同一であることと同値である。
• 弱同型がそれぞれのスケルトンの強い同型と同値であることを証明し、より単純で標準的な形への還元を提供する。
• ネットワーク空間内での曲線や測地線といった、メトリック幾何学の道具を用いて構造的遷移や関係性を分析する。

実験結果

リサーチクエスチョン

• RQ1 重み付き有向ネットワークは、そのモチーフ集合から同型の意味で再構成可能か？
• RQ2 局所的サブグラフから得られる構造的情報を保つために、適切なグラフ同型の緩和とは何か？
• RQ3 この緩和された同型と整合するネットワーク空間上のグローバル距離関数をどのように定義できるか？
• RQ4 弱同型とネットワークスケルトンの同型の関係は何か？
• RQ5 一貫した幾何的枠組みを通じて、局所的モチーフデータからグローバルなネットワーク特性を推論できるか？

主な発見

• 2つの重み付き有向ネットワークが弱同型であることは、それらのすべてのモチーフ集合が同一であることと同値であり、ネットワーク再構成問題に対して完全な解決を提供する。
• 提案されたネットワーク空間上の距離関数は弱同型と整合し、完備性、コンパクト性、曲線、測地線といった高度な幾何的概念をサポートする。
• 弱同型は、それぞれのネットワークのスケルトンの強い同型と同値であり、スケルトンがすべての本質的構造的情報を捉えていることを示す。
• この枠組みによりグローバルからローカルへの推論が可能になる：グローバルなネットワーク同型性は局所的モチーフデータによって決定される。
• 距離空間構造により、幾何的道具を用いたネットワーク群の解析が可能になり、ネットワークの進化や分類の研究を促進する。
• 結果として、モチーフ構成とスケルトン構造に基づく、複雑なネットワークの比較と分類のための厳密な基盤が確立される。