[論文レビュー] Two-Sample Tests for Large Random Graphs Using Network Statistics

Debarghya Ghoshdastidar, Maurilio Gutzeit+2 more|arXiv (Cornell University)|May 17, 2017

Complex Network Analysis Techniques参考文献 19被引用数 27

ひとこと要約

本稿では、ネットワーク統計を用いて、1つの分布から1つのグラフ標本しか入手できない状況においても一貫性のある検定が可能となる、一般化された非パラメトリックな2標本検定を提案する。集中不等式を活用することで、三角形の数や隣接行列の特異値といった主要な統計量において、ミニマックス最適性を達成し、半スパースな Erdős–Rényi モデルにおける識別可能性の根本的限界に近い検出性能を実現する。

ABSTRACT

We consider a two-sample hypothesis testing problem, where the distributions are defined on the space of undirected graphs, and one has access to only one observation from each model. A motivating example for this problem is comparing the friendship networks on Facebook and LinkedIn. The practical approach to such problems is to compare the networks based on certain network statistics. In this paper, we present a general principle for two-sample hypothesis testing in such scenarios without making any assumption about the network generation process. The main contribution of the paper is a general formulation of the problem based on concentration of network statistics, and consequently, a consistent two-sample test that arises as the natural solution for this problem. We also show that the proposed test is minimax optimal for certain network statistics.

研究の動機と目的

• 1つの分布から1つのグラフ標本しか入手できない状況において、大規模なランダムグラフの2標本検定を扱う課題に取り組むこと。これはネットワーク解析において一般的な状況である。
• 特定のネットワークモデルやi.i.d.標本の仮定をしない一般化された検定フレームワークを形式化すること。代わりにネットワーク統計に依存する。
• ネットワーク統計の集中性に基づいて、一貫性がありミニマックス最適な検定を構築できる条件を確立すること。
• 提案手法が、三角形の数やスペクトル特徴といった一般的な統計量を用いて、半スパースな Erdős–Rényi モデルにおいて近似的に最適な検出率を達成することを示すこと。

提案手法

• 本手法は、大規模なグラフにおいてネットワーク統計がその平均のまわりに集中するという一般的な仮定に基づく。これにより、2つのグラフ間の信頼性ある比較が可能になる。
• 2標本検定を、帰無仮説と対立仮説の下でネットワーク統計 f の集中点の比較として定式化する。
• 推定された f の集中点に基づくしきい値ルールを用い、分離条件を満たせば一貫性が保証される。
• 三角形に基づく統計量 fΔ の場合、重複しない三角形の無相関性と最大期待次数に基づく分散の上限を活用する。
• スペクトル統計量 fλ の場合、隣接行列の最大 k 個の特異値の集中性を用い、トレースモーメントと行列集中不等式から上限を導出する。
• 分離条件が識別可能性の根本的限界と一致する場合、一貫性とミニマックス最適性が保証される。

実験結果

リサーチクエスチョン

• RQ1 1つの分布から1つの標本しか得られない状況において、特定のネットワークモデルを仮定せず、一貫性のある2標本検定を構築できるか？
• RQ2 ネットワーク統計をどのように用いて、グラフ比較のための一般化された非パラメトリックな検定フレームワークを定式化できるか？
• RQ3 一般的なネットワーク統計を用いた場合、2つのランダムグラフモデルの識別可能性の根本的限界は何か？
• RQ4 提案手法が、三角形の数やスペクトル特徴といった特定の統計量においてミニマックス最適性を達成できるか？
• RQ5 半スパースな Erdős–Rényi モデル下で、この検定はどのように動作するか。一貫性のある検出に必要な分離条件は何か？

主な発見

• 提案された2標本検定は一様に一貫性を持つ。帰無仮説と対立仮説の間の分離が十分に大きい場合、大規模なグラフにおいて誤差率を任意に小さくできる。
• 三角形の数統計量 fΔ に対して、対数要因を除いてミニマックス最適性を達成し、半スパースな Erdős–Rényi モデルにおける根本的検出限界と一致する。
• 隣接行列の最大 k 個の特異値（fλ）に対して、k=2 の場合にミニマックス最適性を達成する。分離条件は理論的解析における十分条件と正確に一致する。
• 本手法はグラフサイズの違いに対してもロバストであり、頂点の対応関係を必要としないため、脳ネットワークやソーシャルメディアグラフなどの実世界の比較に応用可能である。
• 理論的結果から、分布間の分離が導出されたミニマックス閾値未満の場合、いかなる検定でも有界な誤差率を達成できないことが示され、境界の鋭さが確認された。
• 集中性を示す任意のネットワーク統計に本フレームワークを適用可能であり、三角形の数やスペクトル統計の両方について明示的な妥当性が確認されている。