[논문 리뷰] A Local Algorithm for Finding Dense Subgraphs

Reid Andersen|ArXiv.org|2007. 02. 13.

Advanced Graph Theory Research인용 수 13

한 줄 요약

이 논문은 인cidency 행렬 위에서 잘라낸 성장 과정을 시뮬레이션하여 이원 그래프 내에서 조밀한 부분그래프를 찾는 국소 알고리즘을 제시한다. 밀도가 θ인 임의의 부분그래프에 대해 이 알고리즘은 Ω(θ/log n)의 밀도 근사치를 달성한다. 알고리즘은 그래프 크기와 무관하게 O(Δk²) 시간에 실행되며, 전체 그래프를 스캔하지 않고 주어진 시작 정점 근처의 고품질 부분그래프를 보장한다.

ABSTRACT

We present a local algorithm for finding dense subgraphs of bipartite graphs, according to the definition of density proposed by Kannan and Vinay. Our algorithm takes as input a bipartite graph with a specified starting vertex, and attempts to find a dense subgraph near that vertex. We prove that for any subgraph S with k vertices and density theta, there are a significant number of starting vertices within S for which our algorithm produces a subgraph S' with density theta / O(log n) on at most O(D k^2) vertices, where D is the maximum degree. The running time of the algorithm is O(D k^2), independent of the number of vertices in the graph.

연구 동기 및 목표

• 전체 그래프를 스캔하지 않고 특정 시작 정점 근처의 조밀한 부분그래프를 식별하는 국소 알고리즘을 개발하는 것.
• 찾은 부분그래프의 밀도에 대한 이론적 근사 보장을 제공하여 최적 부분그래프의 밀도와의 상대적 관계를 보장하는 것.
• 다수의 시작 정점에서 알고리즘을 실행하여 병렬적으로 다수의 작은 조밀한 부분그래프를 탐지할 수 있도록 하는 것.
• 출력 부분그래프의 크기를 제한하여 크기가 제어되는 응용 분야에 유용하도록 하는 것.
• 스펙트럼 기법을 국소 계산으로 확장하여 인cidency 행렬의 최대 고유값과 조밀한 부분그래프 간의 관계를 활용하는 것.

제안 방법

• 알고리즘은 정점 가중치를 나타내는 벡터에 대해 반복적으로 행렬-벡터 곱셈을 적용한 후, 지원 크기를 제한하기 위해 반올림을 수행하는 잘라낸 성장 과정을 사용한다.
• 각 단계에서 알고리즘은 $ x_t = \text{round}(x_{t-1}A) - r_t $를 계산하며, 여기서 $ r_t $는 잘라낸 성분으로, 희소성과 효율적인 계산을 보장한다.
• 잘라내기 임계값 $ \epsilon_t = 2^t / (8\sqrt{n}) $는 근사 품질과 희소성 사이의 균형을 맞추기 위해 설정되며, 비영 요소의 수를 제어한다.
• 알고리즘은 작은 지원을 유지하는 벡터 $ x_t $를 유지하여, 비영 정점에 연결된 간선 수에 비례하는 시간에 계산을 수행할 수 있다.
• 밀도는 각 단계에서 $ x_t $의 왼쪽 및 오른쪽 구성 요소인 $ X^t_i $와 $ Y^t_j $의 유도된 부분그래프에서 평가된다.
• 이론적 분석은 스펙트럼 방법을 사용하여 내적 $ \langle x_t, \phi \rangle $ 의 성장과 최대 고유값 $ \lambda $ 간의 관계를 분석하여 근사 보장을 증명한다.

실험 결과

연구 질문

• RQ1 전체 그래프 크기와 무관한 근사 보장을 갖는 국소 알고리즘이 주어진 정점 근처의 조밀한 부분그래프를 찾을 수 있는가?
• RQ2 국소적인 조밀한 부분그래프 탐지에서 실행 시간과 근사 품질 사이의 상호 교환 관계는 무엇인가?
• RQ3 스펙트럼 기법을 어떻게 수정하여 성능 보장을 보장하는 국소 알고리즘을 만들 수 있는가?
• RQ4 시작 정점을 다양하게 변경하여 병렬적으로 다수의 작은 조밀한 부분그래프를 효율적으로 탐지할 수 있는가?
• RQ5 강력한 근사 보장을 유지하면서도 출력 부분그래프의 크기를 제한하는 것이 가능한가?

주요 결과

• 밀도가 $ \theta $인 임의의 부분그래프 $ (S,T) $에 대해, 알고리즘이 $ \Omega(\theta / \log n) $의 밀도를 갖는 부분그래프를 생성하는 시작 정점이 $ S \cup T $ 내에 다수 존재한다.
• 알고리즘은 $ O(\Delta k^2) $ 시간에 실행되며, 여기서 $ k = |S| + |T| $이며, 그래프 내 총 정점 수와 무관하다.
• 출력 부분그래프의 크기는 $ O(\Delta k^2) $ 이내로 제한되어 있어 확장성과 출력 크기 제어에 유리하다.
• 알고리즘은 제어된 반올림을 통해 희소성을 유지하는 잘라낸 성장 과정을 사용하여 계산 비용을 감소시킨다.
• 이론적 분석은 내적 $ \langle x_t, \phi \rangle $ 가 적어도 $ (\lambda/2)^t $ 의 속도로 증가함을 보여주며, 이는 근사 보장을 가능하게 한다.
• 공간 복잡도는 $ O(n \log \log n) $ 비트이며, 동시에 저장이 필요한 벡터는 오직 두 개뿐이다.