[논문 리뷰] A polynomial-time iterative algorithm for random graph matching with non-vanishing correlation

Jian Ding, Zhangsong Li|arXiv (Cornell University)|2023. 06. 01.

Random Matrices and Applications인용 수 4

한 줄 요약

이 논문은 엣지 상관관계가 사라지지 않는 경우, 즉 엣지 밀도가 $ n^{-\alpha+o(1)} $ 형태로 다항식적으로 감소할 때조차도 다항시간 반복 알고리즘을 제안한다. 이 알고리즘은 높은 확률로 잠재적인 정점 대응을 복원하며, 엣지 밀도의 모든 범위에서 비영인 상관관계에 대해 다항시간 성공을 보장하는 최초의 결과이다. 이는 오터의 상수의 제곱근 이하(~0.338)의 상관관계에서도 성립한다.

ABSTRACT

We propose an efficient algorithm for matching two correlated Erdős--Rényi graphs with $n$ vertices whose edges are correlated through a latent vertex correspondence. When the edge density $q= n^{- α+o(1)}$ for a constant $α\in [0,1)$, we show that our algorithm has polynomial running time and succeeds to recover the latent matching as long as the edge correlation is non-vanishing. This is closely related to our previous work on a polynomial-time algorithm that matches two Gaussian Wigner matrices with non-vanishing correlation, and provides the first polynomial-time random graph matching algorithm (regardless of the regime of $q$) when the edge correlation is below the square root of the Otter's constant (which is $\approx 0.338$).

연구 동기 및 목표

• 비영인 상관관계 하에서 엣지 밀도에 관계없이 작동하는 효율적인 알고리즘을 개발하여 랜덤 그래프 매칭의 계산적 갭을 메운다.
• 이전 알고리즘들이 다항시간 성공을 위해 오터의 상수의 제곱근(~0.338) 이상의 상관관계를 요구하는 한계를 극복한다.
• 반복적 매칭 알고리즘의 적용 범위를 가우시안 위그너 행렬을 초과하여 엣지가 상관된 희박한 랜덤 그래프로 확장한다.
• 그래프의 희박성과 상관관계 수준이 변화함에 따라 반복 알고리즘의 강건성을 보이며, 알고리즘 설계의 보편성 잠재력을 시사한다.
• 랜덤 그래프 매칭에서 알고리즘 보편성의 이론적 기반을 제공하며, 스 tochastic block 또는 기하학적 그래프와 같은 구조적 모델에 대한 향후 연구를 장려한다.

제안 방법

• 이전의 상관된 가우시안 위그너 행렬에 기반한 연구에서 영감을 얻은 반복 알고리즘을 제안하며, 이를 희박한 에르되시-레니 랜덤 그래프에 적응시킨다.
• 기울인 측도와 가우시안 근사를 사용하여 매칭 과정에서 엣지 상관관계 신호의 행동을 분석한다.
• 에러 전파와 정점의 잘못된 정렬을 제어하기 위해 $ \mathcal{E}_\diamond $, $ \mathcal{B}_{t^*} $, 및 $ \mathtt{U} $와 같은 핵심 사건을 정의한다.
• 매칭되지 않은 정점을 체인 기반 매칭 구조에서 처리하는 마무리 단계를 도입하여 높은 확률로 복원을 보장한다.
• 합집합 추론과 농도 불등식을 적용하여 큰 실패 매칭 집합의 확률을 유계로 제한하며, $ \Delta \ll \varepsilon $ 및 $ \Delta \leq e^{-(\log\log n)^8} $ 조건을 활용한다.
• 지역 이웃 상관관계를 모델링하고 신호 강도의 하한을 유도하기 위해 스펙트럴 유사 성분 $ g_{t^* - 1}Y(k,v) $ 와 $ \check{Y}(k,v) $ 를 사용한다.

실험 결과

연구 질문

• RQ1 엣지 상관관계가 비영일 때, 즉 엣지 밀도가 낮은 경우에도 다항시간 알고리즘이 잠재적인 정점 대응을 복원할 수 있는가?
• RQ2 가우시안 행렬 매칭에서 유래한 반복 알고리즘 프레임워크는 엣지가 상관된 희박한 랜덤 그래프로 확장 가능한가?
• RQ3 기존의 다항시간 알고리즘이 실패하는 최소 상관관계 임계값은 무엇이며, 이 연구는 그 장벽을 넘을 수 있는가?
• RQ4 엣지 밀도가 $ n^{-\alpha+o(1)} $ 형태로 감소할 때, $ \alpha < 1 $ 이면 알고리즘이 어떻게 고확률 성공을 유지하는가?
• RQ5 반복 매칭 알고리즘이 희박성과 약한 상관관계에 얼마나 강건한가? 이는 다양한 랜덤 그래프 모델에 걸쳐 보편성의 잠재력을 시사하는가?

주요 결과

• 알고리즘은 어떤 상수 $ C = C(\alpha, \rho) $ 에 대해 다항시간 복잡도 $ O(n^C) $ 를 달성하며, 이는 $ \alpha < 1 $ 일 때 엣지 밀도 감쇠 비율과는 독립적이다.
• 엣지 상관관계 $ \rho \in (0,1] $ 가 비영일 경우, 알고리즘은 높은 확률로 잠재적 매칭 $ \pi $ 를 복원한다.
• 상관관계 $ \rho \to 0 $ 에 수렴함에 따라 런타임 지수 $ C $ 는 무한히 증가하므로, 현재 프레임워크 하에서 이는 최선의 가능성을 시사한다.
• 알고리즘은 엣지 밀도가 $ q = n^{-\alpha+o(1)} $ 이며 $ \alpha \in [0,1) $ 일 때까지 처리할 수 있으며, 평균 차수의 증가가 느린 희박한 영역도 포함한다.
• 증명 과정에서 실패 매칭 수는 $ O(n / \log n) $ 이하로 유계이며, 마무리 단계는 최소 $ m/4 - n/(\log n)^2 $ 의 매칭 크기를 회복한다. 이는 비선형적이다.
• 오차 항은 $ \Delta^{10} $ 과 $ \exp\{-(\log n)^{1.8}\} $ 꼬리 유계를 통해 제어되는 고확률 사건에서 가우시안 근사를 기반으로 한다.