[논문 리뷰] A Geometric Distance Oracle for Large Real-World Graphs

Deepak Ajwani, W. Sean Kennedy외 2명|arXiv (Cornell University)|2014. 04. 20.

Complexity and Algorithms in Graphs참고 문헌 36인용 수 4

한 줄 요약

이 논문은 대규모 실세계 그래프에 대해 하이퍼볼릭 코어와 높은 중간성 노드를 근간으로 하는 새로운 기하 거리 오라클을 제안한다. 이는 빠르고 정확한 거리 근사화를 가능하게 한다. 높은 차수와 중간성 중심성을 가진 노드를 우선시함으로써, 이전의 트리 기반 또는 임bedding 기반 오라클에 비해 유의미하게 낮은 추정 오차를 기록하면서도, 이차 이하의 사전 처리 및 질의 시간을 달성한다.

ABSTRACT

Many graph processing algorithms require determination of shortest-path distances between arbitrary numbers of node pairs. Since computation of exact distances between all node-pairs of a large graph, e.g., 10M nodes and up, is prohibitively expensive both in computational time and storage space, distance approximation is often used in place of exact computation. In this paper, we present a novel and scalable distance oracle that leverages the hyperbolic core of real-world large graphs for fast and scalable distance approximation. We show empirically that the proposed oracle significantly outperforms prior oracles on a random set of test cases drawn from public domain graph libraries. There are two sets of prior work against which we benchmark our approach. The first set, which often outperforms other oracles, employs embedding of the graph into low dimensional Euclidean spaces with carefully constructed hyperbolic distances, but provides no guarantees on the distance estimation error. The second set leverages Gromov-type tree contraction of the graph with the additive error guaranteed not to exceed $2δ\log{n}$, where $δ$ is the hyperbolic constant of the graph. We show that our proposed oracle 1) is significantly faster than those oracles that use hyperbolic embedding (first set) with similar approximation error and, perhaps surprisingly, 2) exhibits substantially lower average estimation error compared to Gromov-like tree contractions (second set). We substantiate our claims through numerical computations on a collection of a dozen real world networks and synthetic test cases from multiple domains, ranging in size from 10s of thousand to 10s of millions of nodes.

연구 동기 및 목표

• 수천만 개의 노드를 가진 대규모 그래프에서 정확한 최단경로 거리 계산의 계산 및 저장소 병목 현상을 해결하기 위해.
• 낮은 사전 처리 비용, 최소한의 저장소, 빠른 질의 응답 시간, 높은 정확도의 거리 추정을 균형 있게 확보하는 거리 오라클을 개발하기 위해.
• 이론적으로 탄탄한 트리 근사와 경험적으로 정확한 히우리스틱 오라클 사이의 격차를, 실세계 그래프의 하이퍼볼릭 구조를 활용하여 메우기 위해.
• 특히 하이퍼볼릭 임bedding이나 Gromov 유형의 레이블링 없이도, 하이퍼볼릭 코어에 루트를 둔 스패닝 트리가 기존 방법보다 뛰어난 근사 정확도를 제공함을 입증하기 위해.

제안 방법

• 노드의 중간성 중심성(차수를 통해 근사)을 우선순위로 삼아 하이퍼볼릭 코어를 햖스하는 너비 우선 탐색(BFS) 스패닝 트리를 구성한다.
• 실세계 그래프의 내재된 하이퍼볼릭 성질(고정 비율의 최단경로가 작은 코어 노드 집합을 통과함)을 활용하여, 대부분의 거리가 트리에 정확히 유지되도록 보장한다.
• 트리의 높이가 O(log n)로 제한되어, 경로 길이를 O(n log n) 비트로 인코딩함으로써 O(log n) 시간 내에 거리 질의를 수행할 수 있다.
• 하이퍼볼릭 임베딩과 Gromov 유형의 트리 압축을 피하고, 음의 곡률과 코어 기반 트리 근사에 기반한 기하학적 직관에 의존한다.
• 다양한 고중심성 원천에서 유도된 다수의 BFS 트리와 Gromov 트리를 조합하여 근사 범위를 좁히며, 최소/최대 값 범위를 사용해 추정치를 정밀하게 조정한다.
• 오라클은 O(log n)의 질의 시간과 O(n log n)의 사전 처리 시간을 지원하여, 동적 그래프에 대해 확장 가능하다.

실험 결과

연구 질문

• RQ1 실세계 그래프의 하이퍼볼릭 코어에 루트를 둔 스패닝 트리 기반 거리 오라클이 낮은 사전 처리 비용과 높은 정확도를 동시에 달성할 수 있는가?
• RQ2 하이퍼볼릭 임베딩 또는 Gromov 유형의 트리 압축에 비해, 코어 기반 BFS 트리의 근사 오차는 실세계 그래프에서 어떻게 비교되는가?
• RQ3 중간성 중심성의 대체로 노드의 차수를 사용할 경우, 트리 기반 거리 오라클의 강건성과 정확도는 얼마나 향상되는가?
• RQ4 다수의 BFS 트리와 Gromov 트리를 조합하면, 최소한의 오버헤드로 근사 범위를 더 좁힐 수 있는가?
• RQ5 δ-하이퍼볼릭 그래프의 기하학적 구조는 히우리스틱 또는 임베딩 기반 방법보다 더 나은 거리 근사화를 자연스럽게 지원하는가?

주요 결과

• 유사한 오차 수준을 유지하면서도, 하이퍼볼릭 임베딩 기반 오라클에 비해 훨씬 더 빠른 속도와 낮은 추정 오차를 기록한다.
• 이론적으로 2δ log n의 가감 오차 한계를 보장하는 Gromov 유형 트리 압축에 비해, 평균 추정 오차가 유의미하게 낮다.
• 수천만 개의 노드를 포함하는 실세계 그래프에서, O(log n)의 질의 시간과 O(n log n)의 사전 처리 및 저장소를 확보한다.
• 단지 10개의 Hyper-BFS 트리와 20개의 Gromov 트리를 사용함으로써, SantaBarbara Facebook 그래프에서 근사 범위의 폭이 극적으로 감소함을 입증했다.
• 낮은 사전 처리 비용 덕분에 동적 그래프에 매우 효율적이며, 업데이트 빈도가 높은 상황에서 Rigel과 같은 오라클을 능가한다.
• 실험적으로 이 방법의 성공은 하이퍼볼릭 코어와 실세계 네트워크에서 노드의 차수와 중간성 중심성 간의 강력한 상관관계와 밀접하게 연결되어 있다.