[論文レビュー] Where Graph Topology Matters: The Robust Subgraph Problem

Hau Chan, Shuchu Han+1 more|arXiv (Cornell University)|Jan 8, 2015

Network Packet Processing and Optimization被引用数 5

ひとこと要約

本稿は、閉路を介したノード間通信可能性に基づく自然接続性を最大化することで、大規模ネットワークにおける指定されたサイズの部分グラフの最もトポロジカルに頑健な部分グラフを同定する、新しい手法であるロバスト・ローカル部分グラフ（RLS）問題を提唱する。密度の高い部分グラフ手法とは異なり、RLSアプローチは部分グラフのトポロジーとトポロジーに依存する頑健性に重点を置き、実験により、密度が低い場合でも密度の高い部分グラフよりも著しく高い頑健性を持つ部分グラフを同定することを示している。

ABSTRACT

Robustness is a critical measure of the resilience of large networked systems, such as transportation and communication networks. Most prior works focus on the global robustness of a given graph at large, e.g., by measuring its overall vulnerability to external attacks or random failures. In this paper, we turn attention to local robustness and pose a novel problem in the lines of subgraph mining: given a large graph, how can we find its most robust local subgraph (RLS)? We define a robust subgraph as a subset of nodes with high communicability among them, and formulate the RLS-PROBLEM of finding a subgraph of given size with maximum robustness in the host graph. Our formulation is related to the recently proposed general framework for the densest subgraph problem, however differs from it substantially in that besides the number of edges in the subgraph, robustness also concerns with the placement of edges, i.e., the subgraph topology. We show that the RLS-PROBLEM is NP-hard and propose two heuristic algorithms based on top-down and bottom-up search strategies. Further, we present modifications of our algorithms to handle three practical variants of the RLS-PROBLEM. Experiments on synthetic and real-world graphs demonstrate that we find subgraphs with larger robustness than the densest subgraphs even at lower densities, suggesting that the existing approaches are not suitable for the new problem setting.

研究の動機と目的

• 大規模ネットワークにおける指定されたサイズの部分グラフの最も頑健なものの同定により、ローカルな頑健性分析のギャップを埋める。
• エッジ密度だけでなく、自然接続性とノード通信可能性を通じた部分グラフトポロジーに基づいて、頑健性を定義する。
• エッジ数の単なる増加ではなく、構造的レジリエンスを重視する新しいNP困難問題「ロバスト・ローカル部分グラフ（RLS）」を定式化・分析する。
• 大規模グラフ向けに効率的なヒューリスティックアルゴリズムを開発し、トップダウンおよびボトムアップ戦略を含み、実用的バリエーションへの拡張を含む。
• 実験的に、提案された指標に基づく頑健性が、エッジ密度が高いにもかかわらず、密度の高い部分グラフのものよりも顕著に高いことを検証する。

提案手法

• 自然接続性を用いて頑健性を形式化し、隣接行列の固有値の指数平均の対数として定義する。これにより、ノード間の平均的通信可能性を捉える。
• 与えられた部分グラフサイズで頑健性を最大化するために、通信可能性が最も低いノードを反復的に削除するトップダウンのグリーディーなアルゴリズムを提案する。
• ランダム化グリーディー選択と局所探索を用いて部分グラフを段階的に構築するボトムアップのGRASPベースのアルゴリズムを開発する。
• 部分グラフサイズ制約、最小エッジ密度、部分グラフ中心性の閾値の3つの実用的バリエーションに対応するため、両アルゴリズムを適応させる。
• 隣接行列の行列指数のトレースから導かれる、サブグラフ中心性の和（エストラダ指数）を、頑健性の代理指標として用いる。
• スペクトル特性とサブグラフ中心性を用いて、冗長性と代替パス数をモデル化し、ノードまたはエッジの故障に対するレジリエンスを反映する。

実験結果

リサーチクエスチョン

• RQ1 エッジ密度ではなく、自然接続性で測定されるトポロジカルなレジリエンスを最大化する部分グラフを同定できるか？
• RQ2 提案手法で同定された部分グラフの頑健性は、エッジ密度が低い場合でも、密度の高い部分グラフアルゴリズムで得られるものと比べてどのように異なるか？
• RQ3 RLS問題の計算的・構造的性質、たとえばNP困難性や単調性といった性質は何か？
• RQ4 ヒューリスティックアルゴリズムは、大規模な実世界のグラフにおいても、高い頑健性を維持しながら効率的にスケーリングできるか？
• RQ5 最小エッジ密度や中心性の閾値といった実用的制約を満たすように、RLS問題をどのように拡張できるか？

主な発見

• 提案されたRLS問題はNP困難であり、半部分性や部分グラフ単調性を示さない。これは、密度の高い部分グラフ問題とは明確に異なる。
• ボトムアップのGRASPベースのアルゴリズムは、特に大規模グラフにおいて、トップダウン手法を一貫して上回る頑健性を達成する。
• GRASP-RLSアルゴリズムはグラフサイズに比例して線形にスケーリングし、実世界および合成ネットワークにおいて優れた実用的効率性を示す。
• エッジ密度が高いにもかかわらず、RLS手法で同定された部分グラフは、密度の高い部分グラフよりも顕著に高い頑健性を達成する。
• エッジ密度だけではレジリエンスを十分に捉えられないことが明らかになった。ノード通信可能性と固有値分布に基づく部分グラフトポロジーが、重要な役割を果たす。
• 既存の密度の高い部分グラフアルゴリズムは、本研究の新しい頑健性目的には不適切であることが判明し、提案フレームワークの新規性と必要性が強調された。