[論文レビュー] Triadic Measures on Graphs: The Power of Wedge Sampling

C. Seshadhri, Ali Pınar+1 more|Feb 23, 2012

Complex Network Analysis Techniques参考文献 28被引用数 83

ひとこと要約

本稿では、クラスタリング係数や三角形数などの三元グラフ測度を近似するための高効率な手法として、Wedgeサンプリングを導入している。均等にサンプリングされたWedge（長さ2のパス）を用いることで、グラフサイズに依存しない誤差バウンドを有する、高速で証明可能に正確な推定が可能となり、全列挙と比較して最大4桁の高速化を達成しながら、正確な計算とほぼ同一の精度を維持する。

ABSTRACT

Graphs are used to model interactions in a variety of contexts, and there is a growing need to quickly assess the structure of a graph. Some of the most useful graph metrics, especially those measuring social cohesion, are based on triangles. Despite the importance of these triadic measures, associated algorithms can be extremely expensive. We propose a new method based on wedge sampling. This versatile technique allows for the fast and accurate approximation of all current variants of clustering coefficients and enables rapid uniform sampling of the triangles of a graph. Our methods come with provable and practical time-approximation tradeoffs for all computations. We provide extensive results that show our methods are orders of magnitude faster than the state-of-the-art, while providing nearly the accuracy of full enumeration. Our results will enable more wide-scale adoption of triadic measures for analysis of extremely large graphs, as demonstrated on several real-world examples.

研究の動機と目的

• 大規模グラフにおけるクラスタリング係数などの三元測度の正確な計算が計算的に非現実的であるという問題に取り組む。
• 最小限の計算オーバーヘッドで証明可能な正確性保証を提供する、サンプリングに基づく手法を開発する。
• スケーラブルでほぼリアルタイムの三元構造解析を、社会的ネットワークやインfraシステムを含む大規模グラフで可能にする。
• 大規模グラフ解析において、Doulionなどの既存のサンプリング手法よりも実行時間と正確性の両面で優れるようにする。

提案手法

• 本手法は、グラフから均等にランダムにWedge（長さ2のパス）をサンプリングする。各三角形は正確に3つの閉じたWedgeを含むという事実を活用する。
• グローバルクラスタリング係数の推定には、サンプルから閉じたWedgeの割合を計算し、集中不等式を用いて誤差バウンドを導出する。
• 頂点ごとや次数ごとのクラスタリング係数への応用は、各頂点または次数グループごとのWedge統計を集約することで実現する。
• 三角形のサンプリングは、Wedgeを選択して閉じているかを確認することで達成され、期待されるサンプルサイズが $3T_s/C$ に比例するように、均等な三角形サンプリングが可能になる。
• Hoeffding型のバウンドを用いて理論的保証を提供し、誤差と信頼水準がグラフサイズに依存しないことを保証する。
• 並列処理が容易で、分散システムにも適した設計となっており、最大100Mノードおよび10億エッジのグラフを対象としたMapReduceプロトタイプが開発中である。

実験結果

リサーチクエスチョン

• RQ1 Wedgeサンプリングは、大規模グラフにおけるグローバル、ローカル、次数別クラスタリング係数について、正確かつスケーラブルな近似を提供できるか？
• RQ2 Doulionなどの既存のサンプリング手法と比較して、Wedgeサンプリングの正確性とパフォーマンスはどの程度か？
• RQ3 Wedgeサンプル数とクラスタリング係数推定における誤差の理論的関係は何か？
• RQ4 Wedgeサンプリングは、最小限の計算コストで均等な三角形サンプリングを可能にするか？
• RQ5 Wedgeサンプリングは、多様な実世界のグラフにおいて、三元解析の実行時間を大幅に短縮しつつ、高い正確性を維持できるか？

主な発見

• Wedgeサンプリングは、全列挙と比較して最大4桁の高速化を達成しながら、正確な計算とほぼ同一の精度を維持する。
• わずか38,000個のWedgeサンプルで、任意のサイズのグラフについて、誤差が0.1%未満で99.9%の信頼水準を満たすことが保証される。
• 三角形に基づく測度（例：高次元比（≥10）を持つ三角形の割合）についてもバイアスのない推定が可能であり、たった500個のサンプル三角形で正確な結果が得られる。
• Doulionよりも実行時間と正確性の両面で優れており、特に低サンプリングレート時において顕著な優位性を示す。Doulionが32K個のWedgeサンプルを使用しても、Wedgeサンプリングはその性能を凌駆する。
• MapReduceプロトタイプにより、最大100Mノードおよび10億エッジのグラフについて、数分の計算時間でほぼリアルタイムの解析が可能になる。
• 理論的誤差バウンドはグラフサイズに依存しないため、本手法は非常にスケーラブルであり、極大スケールのグラフ解析に適している。