[論文レビュー] Uniform sampling of undirected and directed graphs with a fixed degree sequence

Annabell Berger, Matthias Müller‐Hannemann|arXiv (Cornell University)|Dec 3, 2009

Graph theory and applications参考文献 24被引用数 8

ひとこと要約

本稿では、固定度列を持つ無向および有向グラフの均一なサンプリングを目的としたマルコフ連鎖ベースの手法を提示する。標準的なスイッチングアルゴリズムが状態グラフが非連結となるために有向グラフの場合に失敗することに対処する。主な貢献は、『アークスワップ列』と呼ばれる、状態グラフが強く連結であるような度列の特徴付けであり、一般の度列に対しては3-サイクルの再方向化または同型成分内でのサンプリングの2つの解決策を提供することで、スイッチングのみでは失敗する場合でも均一なサンプリングを可能にする。

ABSTRACT

Many applications in network analysis require algorithms to sample uniformly at random from the set of all graphs with a prescribed degree sequence. We present a Markov chain based approach which converges to the uniform distribution of all realizations for both the directed and undirected case. It remains an open challenge whether these Markov chains are rapidly mixing. For the case of directed graphs, we also explain in this paper that a popular switching algorithm fails in general to sample uniformly at random because the state graph of the Markov chain decomposes into different isomorphic components. We call degree sequences for which the state graph is strongly connected arc swap sequences. To handle arbitrary degree sequences, we develop two different solutions. The first uses an additional operation (a reorientation of induced directed 3-cycles) which makes the state graph strongly connected, the second selects randomly one of the isomorphic components and samples inside it. Our main contribution is a precise characterization of arc swap sequences, leading to an efficient recognition algorithm. Finally, we point out some interesting consequences for network analysis.

研究の動機と目的

• ネットワーク解析におけるモチーフや構造的性質の比較に不可欠な、所定の度列を持つグラフの均一なランダムサンプリングを可能にすること。
• 有向グラフにおいて標準的なスイッチングアルゴリズムが、状態グラフの非連結成分に閉じ込められることによる失敗を解消すること。
• スイッチングに基づくマルコフ連鎖が強く連結である（「アークスワップ列」と呼ばれる）度列の特徴付けを行い、均一なサンプリングが理論的に可能であることを保証すること。
• 度列がアークスワップ列でない場合の、すべての実現可能性に対する均一なサンプリングの実用的解決策を提供すること。3-サイクルの再方向化または成分ごとのサンプリングを用いる。
• ラベル付き有向グラフにおいて標準的なスイッチングアルゴリズムを用いることで生じるアーク存在確率のバイアスを是正すること。

提案手法

• 与えられた度列のすべての実現を状態とするマルコフ連鎖を用い、無向および有向の場合にそれぞれ有効な2スイッチ（エッジまたはアークスイッチ）によって遷移を定義する。
• 非アークスワップ列の状態グラフの非連結成分を接続するために、誘導された有向3-サイクルの再方向化という新しい操作を導入する。
• 同型成分を一様にランダムに選択し、その中でサンプリングを行うことで、成分ごとのサンプリング戦略を適用する。
• 対称差の議論と交互サイクル検出を用いて、状態グラフの各成分内での強く連結性を証明する。
• 実現における誘導された3-サイクルの構造的性質に基づき、アークスワップ列を効率的に認識するアルゴリズムを開発する。
• 誘導された3-サイクルが頂点を共有せず、独立して再方向化可能であることに着目し、状態グラフを同型な成分に分解する。

実験結果

リサーチクエスチョン

• RQ1 なぜ標準的なスイッチングアルゴリズムは、固定度列を持つ有向グラフの均一なサンプリングに失敗するのか？
• RQ2 度列のどのような構造的性質が、スイッチングマルコフ連鎖の状態グラフが強く連結であるかどうかを決定するのか？
• RQ3 スイッチングによる均一なサンプリングが可能な度列のクラスを特徴付けられ、かつその識別を効率的に行えるか？
• RQ4 状態グラフが非連結である場合、スイッチングプロセスをどのように修正すれば均一なサンプリングが達成できるか？
• RQ5 成分ごとのサンプリングや3-サイクル再方向化が、ラベル付き有向グラフにおけるアーク存在確率のバイアス是正に与える影響は何か？

主な発見

• 状態グラフが非連結である場合、標準的なスイッチングアルゴリズムは有向グラフの均一なサンプリングに失敗する。これは、n個の誘導された3-サイクルを持つグラフ族が2^{n/3}個の孤立成分を形成することによって実証された。
• 度列が「アークスワップ列」であることは、スイッチングマルコフ連鎖の状態グラフが強く連結であることと同値であり、このような度列は効率的に認識可能である。
• アークスワップ列でない度列の場合、状態グラフは最大で2^{⌊|V|/3⌋}個の同型成分に分解され、それぞれが誘導された3-サイクルの固定された向きに対応する。
• このような成分の数は、任意の実現における頂点を共有しない誘導された3-サイクルの数kに対して、正確に2^kである。
• 提案された解決策（3-サイクルの再方向化または成分ごとのサンプリング）により、スイッチングのみでは不十分な場合でも、すべての実現に対する均一なサンプリングが保証される。
• ラベル付き有向グラフでは、標準的なスイッチングによりバイアスが生じる：誘導された3-サイクル内のアークは確率1または0で出現するが、真の均一確率は1/2である。このバイアスは、成分ベースのアプローチによって是正可能である。