[논문 리뷰] Analysis of a Canonical Labeling Algorithm for the Alignment of Correlated Erd\H{o}s-R\'enyi Graphs

Osman Emre Dai, Daniel Cullina외 2명|arXiv (Cornell University)|2018. 04. 25.

Advanced Graph Neural Networks참고 문헌 27인용 수 4

한 줄 요약

이 논문은 관련된 에르되시-레니 랜덤 그래프의 정렬을 위한 시드리스 캐논리컬 레이블링 알고리즘을 제시하며, O(n^{11/5} \log n) 시간 내에 완벽한 정렬을 달성한다. 방법은 먼저 고도수 정점들을 앵커로 매칭한 후, 앵커에 대한 인접성 이진 서명을 사용해 최소 거리 이분 매칭을 수행한다. 특정 엣지 확률 영역에서 높은 확률로 성공함을 증명한다.

ABSTRACT

Graph alignment in two correlated random graphs refers to the task of identifying the correspondence between vertex sets of the graphs. Recent results have characterized the exact information-theoretic threshold for graph alignment in correlated Erd\H{o}s-R\'enyi graphs. However, very little is known about the existence of efficient algorithms to achieve graph alignment without seeds. In this work we identify a region in which a straightforward $O(n^{11/5} \log n )$-time canonical labeling algorithm, initially introduced in the context of graph isomorphism, succeeds in aligning correlated Erd\H{o}s-R\'enyi graphs. The algorithm has two steps. In the first step, all vertices are labeled by their degrees and a trivial minimum distance alignment (i.e., sorting vertices according to their degrees) matches a fixed number of highest degree vertices in the two graphs. Having identified this subset of vertices, the remaining vertices are matched using a alignment algorithm for bipartite graphs.

연구 동기 및 목표

• 사전에 정렬된 정점 쌍에 의존하지 않는 관련된 무작위 그래프에서의 그래프 정렬을 위한 시드리스 알고리즘을 개발하는 것.
• 효율적인 알고리즘을 사용해 완벽한 정렬이 가능해지는 정보이론적 영역을 규명하는 것.
• 계산 복잡도와 성공 확률 측면에서 캐논리컬 레이블링 접근법의 이론적 성능 한계를 설정하는 것.
• 정보이론적 임계값과 실용적이고 효율적인 알고리즘 간 격차를 메우는 것.

제안 방법

• 알고리즘은 이중 단계 접근법을 사용한다: 첫째, 두 그래프의 h개의 최고도수 정점을 식별하고, 도수 순서에 따라 매칭한다(‘앵커’ 단계).
• 두 번째 단계에서, 나머지 각 정점은 앵커 정점들에 대한 인접성을 나타내는 길이 h인 이진 서명 벡터로 레이블링된다.
• 최종 정렬은 두 그래프 내 서명 벡터 간 최소 거리 매칭을 통해 계산되며, 이는 이분 그래프 매칭과 동일하다.
• 이 방법은 체르노프 불등식과 생성 함수를 사용해 도수 분리와 서명 거리의 확률적 분석에 기반한다.
• 실패 확률를 근거로 유니언 바운드와 농도 부등식을 사용해 이론적 보장을 도출한다.
• 관련된 엣지 분포 하에서 이분 매칭 성능에 대한 중간 결과를 활용한다.

실험 결과

연구 질문

• RQ1 어떤 조건에서 캐논리컬 레이블링 알고리즘이 시드가 없는 관련 에르되시-레니 랜덤 그래프에서 완벽한 그래프 정렬을 달성하는가?
• RQ2 그러한 정렬을 달성하는 데 필요한 계산 복잡도는 무엇이며, 이는 이차 이하 시간 영역 내에서 유계로 유지될 수 있는가?
• RQ3 알고리즘 성능은 엣지 확률 p와 앵커 정점 수 h에 따라 어떻게 달라지는가?
• RQ4 확률적 방법과 농도 부등식을 사용해 알고리즘의 성공 여부를 엄밀하게 특성화할 수 있는가?
• RQ5 도수 기반 앵커링은 부가 정보가 없는 상황에서 효율적인 정렬을 가능하게 하는 데 어떤 역할을 하는가?

주요 결과

• 엣지 확률 p가 충분히 큰 상수 c에 대해 p ≥ c \cdot \frac{\log n}{n} 를 만족할 경우, 알고리즘은 높은 확률로 완벽한 그래프 정렬을 달성한다.
• 알고리즘은 O(n^{11/5} \log n) 시간 내에 실행되며, 난이도가 높은 방법에 비해 상당한 향상이다.
• 비-앵커 정점 간 도수 분리가 임계값 k를 초과할 경우, 높은 확률로 알고리즘의 성공이 보장된다.
• 앵커 단계에서의 실패 확률은 적절히 선택된 η에 대해 (2h + 1)e^{-\eta} / (1 - e^{-\eta}) 로 유계로 제한된다.
• 이분 매칭 단계는 확률 적어도 1 - 2e^{-h\rho^2} 로 성공하며, 여기서 ρ = \sqrt{q_0} - \sqrt{q_1} 이고, q_0, q_1 는 엣지 동시 발생 확률에서 유도된다.
• 이론적 분석은 이전에 알려진 효율적 알고리즘이 성공하지 못할 것으로 예상되던 영역에서도 알고리즘이 성공적으로 작동함을 확인한다.