[論文レビュー] The Sketching Complexity of Graph Cuts

Alexandr Andoni, Robert Krauthgamer+1 more|arXiv (Cornell University)|Mar 27, 2014

Complexity and Algorithms in Graphs参考文献 20被引用数 8

ひとこと要約

この論文は、すべてのグラフカットを (1+ε) 要因で近似するためのスケッチの複雑さについて、タイトな境界を確立し、一般のスケッチでは Ω(n/ε²) ビットが必須であり、最適な空間では Ω(n/ε) が必須であることを証明している。また、階層的エッジサンプリングとスパarsificationを用いた新しいスケッチ方式を導入し、最適な Õ(n/ε) のスケッチサイズを達成しており、従来の Õ(n/ε²) の境界を著しく改善している。さらに、新しい境界が情報理論的にタイトであることを証明している。

ABSTRACT

We study the problem of sketching an input graph, so that given the sketch, one can estimate the weight of any cut in the graph within factor $1+ε$. We present lower and upper bounds on the size of a randomized sketch, focusing on the dependence on the accuracy parameter $ε>0$. First, we prove that for every $ε> 1/\sqrt n$, every sketch that succeeds (with constant probability) in estimating the weight of all cuts $(S,\bar S)$ in an $n$-vertex graph (simultaneously), must be of size $Ω(n/ε^2)$ bits. In the special case where the sketch is itself a weighted graph (which may or may not be a subgraph) and the estimator is the sum of edge weights across the cut in the sketch, i.e., a cut sparsifier, we show the sketch must have $Ω(n/ε^2)$ edges, which is optimal. Despite the long sequence of work on graph sparsification, no such lower bound was known on the size of a cut sparsifier. We then design a randomized sketch that, given $ε\in(0,1)$ and an edge-weighted $n$-vertex graph, produces a sketch of size $ ilde O(n/ε)$ bits, from which the weight of any cut $(S,\bar S)$ can be reported, with high probability, within factor $1+ε$. The previous upper bound is $ ilde O(n/ε^2)$ bits, which follows by storing a cut sparsifier (Bencz{ú}r and Karger, 1996). To obtain this improvement, we critically use both that the sketch need only be correct on each fixed cut with high probability (rather than on all cuts), and that the estimation procedure of the data structure can be arbitrary (rather than a weighted subgraph). We also show a lower bound of $Ω(n/ε)$ bits for the space requirement of any data structure achieving this guarantee.

研究の動機と目的

• n 頂点グラフにおけるすべてのカットを (1+ε)-近似するための最小スケッチサイズを解明する空白を埋めること。
• 従来の Õ(n/ε²) の上界を改善し、より空間効率の良いデータ構造を設計すること。
• 無重みグラフでさえも、(1+ε)-近似保証のもとで、スケッチサイズに Ω(n/ε) の下界が存在することを確立すること。
• スケッチ問題がカットスパーシファイア構築とは本質的に異なること、したがってよりコンパクトな表現が可能であることを示すこと。

提案手法

• カットスパーシファイアを一般化する一般化されたスケッチモデルを提案し、任意のデータ構造がカット重みを推定できるようにする。
• 異なる重み閾値でエッジをサンプリングする階層的スケッチ方式を設計し、エッジ重み付き部分グラフ上で再帰的分解を適用する。
• 縮小されたグラフにおける各連結成分に対して「基本スケッチ」を適用し、サイズ ≥2 の成分については、サイズ s あたり Õ(s/ε) の空間を用いてスケッチする。
• 指数的に間隔をあけた重みレベルごとのテレスコピック和の議論を用いて、全レベルにわたる合計保存領域を制限し、合計で Õ(n/ε) の空間を達成する。
• ビット列を二部グラフに符号化する確率的議論を用いて、任意のスケッチ方式が定数成功確率のもとで Ω(n/ε) ビットの下界を証明する。
• 個々のカット値を (1+ε) の精度で推定できることで、カット値の差異から個々のエッジの存在を再構築できることを活用する。

実験結果

リサーチクエスチョン

• RQ1 n 頂点グラフにおけるすべてのカットの重みを (1+ε)-近似できるスケッチの最小サイズは何か？
• RQ2 カットスパーシファイアの Õ(n/ε²) 上界は、一般のスケッチにおいて改善可能か？
• RQ3 カットスパーシファイアにおいて Ω(n/ε²) の下界はタイトか、それとも改善可能か？
• RQ4 スケッチ方式が (1+ε)-近似をすべてのカットで維持しながら Õ(n/ε) のサイズを達成可能か？
• RQ5 (1+ε)-近似カット推定のためのスケッチサイズの情報理論的限界は何か？

主な発見

• この論文は、n 頂点グラフにおけるすべてのカットを (1+ε)-近似できる任意のスケッチに対して、タイトな Ω(n/ε²) の下界を証明し、長年の未解決問題を解決している。
• カットスパーシファイアに特化して、エッジ数に Ω(n/ε²) のタイトな下界を確立しており、この境界が最適であり、改善できないことを示している。
• 著者らは、任意のカットに対して高確率で (1+ε)-近似カット推定をサポートする Õ(n/ε) ビットのスケッチ方式を設計した。
• この新しい上界 Õ(n/ε) は、Benczúr と Karger のカットスパーシファイア構築による従来の Õ(n/ε²) の境界を改善している。
• 任意のスケッチ方式が (1+ε)-近似を達成する場合、Ω(n/ε) ビットの一致する下界を証明しており、新しい上界が多項対数因子の範囲で最適であることを示している。
• この結果は、スケッチ問題がカットスパーシファイアよりも本質的に強力であることを示しており、個々のカットについて定数確率での正しさが要求される場合、はるかに小さい表現が可能であることを示唆している。