[論文レビュー] Uniform generation of random graphs with arbitrary degree sequences

Ron Milo, Nadav Kashtan+3 more|arXiv (Cornell University)|Dec 1, 2003

Complex Network Analysis Techniques被引用数 33

ひとこと要約

本稿では、任意の次数列を持つランダムグラフを一様に生成するための画期的な「勝者に従う」モンテカルロ法を提案し、従来のスイッチング法やマッチング法の限界を克服する。本手法は一様サンプリングを保証し混合時間の問題を回避するが、計算が遅い。一方で、スイッチング法が実用的用途において高速かつ十分に正確であることが裏付けられる。

ABSTRACT

Random graphs with prescribed degree sequences have been widely used as a model of complex networks. Comparing an observed network to an ensemble of such graphs allows one to detect deviations from randomness in network properties. Here we briefly review two existing methods for the generation of random graphs with arbitrary degree sequences, which we call the ``switching'' and ``matching'' methods, and present a new method based on the ``go with the winners'' Monte Carlo method. The matching method may suffer from nonuniform sampling, while the switching method has no general theoretical bound on its mixing time. The ``go with the winners'' method has neither of these drawbacks, but is slow. It can however be used to evaluate the reliability of the other two methods and, by doing this, we demonstrate that the deviations of the switching and matching algorithms under realistic conditions are small compared to the ``go with the winners'' algorithm. Because of its combination of speed and accuracy we recommend the use of the switching method for most calculations.

研究の動機と目的

• 任意の次数列を持つランダムグラフ生成におけるスイッチング法の混合時間に関する一般理論的境界の欠如を解消すること。
• 所定の次数列を持つランダムグラフを生成する際のマッチング法における非一様サンプリング問題を克服すること。
• 一様サンプリングと理論的収束保証の両方を満たす新しい手法を開発すること。
• 新しい手法をゴールドスタンダードとして用いて、既存の手法（スイッチング法およびマッチング法）の正確性を評価すること。
• 速度と正確性のトレードオフに基づき、実用的用途に最も適した手法を推奨すること。

提案手法

• 本稿では、「勝者に従う」モンテカルロ法を提案し、次数制約下での一様グラフ生成に適応した確率的最適化手法を用いる。
• 本手法は反復的にグラフ変換を提案し、次数列適合度に基づくフィットネス関数に従い、サンプリングの一様性を向上させるもののみを保持する。
• 成功した構成（勝者）を保持し、将来の提案をガイドするマルコフ連鎖モンテカルロ手法を用いる。
• 任意のしきい値に基づく拒否を避ける代わりに、高品質な状態の持続的探索を促進することで、一様サンプリングを保証する。
• 計算が高コストであるが、より高速な代替手法の正確性を検証するベンチマークとして機能する。
• スイッチング法およびマッチング法からのサンプリング分布を、一様ベースラインと直接比較可能にする。

実験結果

リサーチクエスチョン

• RQ1 ヒューリスティックな仮定に依存せずに、任意の次数列を持つランダムグラフの一様サンプリングを保証する新しいモンテカルロ法を開発可能か？
• RQ2 現実的なネットワーク条件下で、スイッチング法とマッチング法のサンプリングバイアスはどのように比較されるか？
• RQ3 スイッチング法の混合時間挙動はいかなるものか？また、任意の次数列に対して理論的境界を持つのか？
• RQ4 スイッチング法およびマッチング法が一様サンプリングから逸脱する度合いは、ネットワーク特性分析にどの程度影響を与えるか？
• RQ5 「勝者に従う」手法は、より高速な代替手法の検証のためのゴールドスタンダードとして十分に正確か？

主な発見

• 「勝者に従う」手法は、任意の次数列を持つランダムグラフの一様サンプリングを達成し、マッチング法の非一様性問題を回避する。
• スイッチング法とは異なり、「勝者に従う」手法には混合時間に関する理論的境界がないが、他の手法の評価に信頼できるベンチマークを提供する。
• 現実的なネットワーク条件下で、スイッチング法およびマッチング法の、一様ベースラインからの逸脱は小さいことが判明した。
• 計算コストが高いために、その割に「勝者に従う」手法は、スイッチング法が大多数の実用的用途において十分に正確な結果を生成することを確認した。
• 本稿は、スイッチング法が速度と正確性のバランスが最良であり、したがってネットワーク解析における一般用途に推奨されるべきであると結論づける。