[논문 리뷰] Betweenness Centrality : Algorithms and Lower Bounds

Shiva Kintali|ArXiv.org|2008. 09. 11.

Complex Network Analysis Techniques참고 문헌 38인용 수 55

한 줄 요약

이 논문은 무방향 그래프에서 중심성 중심성(-betweenness centrality-)을 계산하기 위한 랜덤화된 병렬 알고리즘과 대수적 방법을 제시하며, 경로 비교 기반 알고리즘은 Ω(nm) 시간이 필요하다는 것을 증명한다. 무게 없는 그래프의 경우 O(n log m) 시간에 O(m) 프로세서를 사용하고, 정수 가중치가 {1,2,…,M)인 가중 그래프의 경우 O(Mn log m) 시간을 달성하여 하한을 설정하고 대규모 네트워크에서의 효율적 계산을 발전시킨다.

ABSTRACT

One of the most fundamental problems in large scale network analysis is to determine the importance of a particular node in a network. Betweenness centrality is the most widely used metric to measure the importance of a node in a network. In this paper, we present a randomized parallel algorithm and an algebraic method for computing betweenness centrality of all nodes in a network. We prove that any path-comparison based algorithm cannot compute betweenness in less than O(nm) time.

연구 동기 및 목표

• 사회적, 생물학적, 통신 네트워크에서 영향력 있는 노드를 식별하는 데 핵심적인 대규모 네트워크에서 중심성 중심성을 효율적으로 계산하기 위한 알고리즘을 개발한다.
• 모든 경로 비교 기반 알고리즘에 대해 중심성 중심성 계산의 이론적 하한을 설정하여, O(nm) 시간 이하로는 실행될 수 없음을 증명한다.
• 무게 없는 그래프의 경우 O(n log m) 시간에 O(m) 프로세서를 사용하여 의존성을 병렬로 계산하는 랜덤화된 병렬 알고리즘을 설계한다.
• 정수 간선 가중치를 가진 가중 그래프로 접근을 확장하여 O(Mn log m) 시간 복잡도를 달성한다.
• 하나의 하위-세제곱 시간 알고리즘과 진화하는 네트워크에 대한 중심성 중심성의 동적 유지 가능성 여부를 탐색한다.

제안 방법

• 거리가 n에서 1로 감소하는 순서로 정점 쌍을 처리하는 병렬 의존성 계산 전략을 사용하며, 같은 거리에 있는 정점 쌍에 대해 의존성을 동시에 계산한다.
• 각 간선이 프로세서 하나를 할당받는 모델을 활용하여, 조상 집합과 경로 수를 기반으로 의존성 값에 기여하는 요소를 계산한다.
• Brandes의 정리 1.1을 적용하여 더 먼 정점의 의존성을 더 가까운 정점의 의존성으로 계산함으로써 하향식 처리를 가능하게 한다.
• 무게 없는 그래프의 경우, 거리 수준당 최대 n/2개의 이격된 쌍에 대해 병렬 합계 계산을 활용하여 O(n log m) 시간에 O(m) 프로세서를 사용한다.
• 정수 가중치가 {1,2,…,M}인 가중 그래프의 경우, 거리 수준을 1에서 nM까지 처리함으로써 O(Mn log m) 시간으로 확장된다.
• 행렬 곱셈과 경로 수를 활용한 대수적 기법을 적용하여, 무게 없는 그래프의 경우 O(n^ω Diam(G)) 시간에 중심성 중심성을 계산한다. 여기서 ω < 2.376이다.

실험 결과

연구 질문

• RQ1 정확하거나 근사적으로 중심성 중심성을 하삼각 시간 또는 o(mn) 시간 이내에 계산할 수 있는가?
• RQ2 간선 갱신당 O(n²)의 평균 시간과 O(n²)의 공간을 사용하여 중심성 중심성을 O(n²) 평균 시간 내에 유지하는 완전 동적 알고리즘이 존재하는가?
• RQ3 최단 경로 대신 δ-스트레치 경로를 사용할 경우 중심성 중심성의 계산 복잡도는 어떻게 되는가?
• RQ4 경로 비교 하한과 대수적 방법에 대한 추측이 더 넓은 그래프 클래스에 대해 성립하는가?
• RQ5 계층적 또는 샘플링 기반 전략을 사용하여 의존성 계산을 추가로 최적화할 수 있는가?

주요 결과

• 모든 경로 비교 기반 중심성 중심성 알고리즘은 Ω(nm) 시간이 필요하며, 이는 이 알고리즘 클래스에 대해 날카로운 하한을 설정한다.
• 랜덤화된 병렬 알고리즘은 무게 없는 그래프의 경우 O(n log m) 시간에 O(m) 프로세서를 사용하여 의존성을 계산하며, 최적의 워크와 다항로그 시간 복잡도를 달성한다.
• 정수 가중치가 {1,2,…,M}인 가중 그래프의 경우, 알고리즘은 O(Mn log m) 시간에 O(m) 프로세서를 사용하며, 최대 간선 가중치에 따라 스케일링된다.
• 대수적 방법은 무게 없는 그래프의 경우 O(n^ω Diam(G)) 시간에 중심성 중심성을 계산한다. 여기서 ω < 2.376은 행렬 곱셈의 지수이다.
• 최종 중심성 점수를 두 번 세는 것을 방지하기 위해 대칭성을 정확히 처리하기 위해 중심성 점수를 2로 나눈다.
• 논문은 간선 삭제가 중심성 값에 극적으로 영향을 줄 수 있음을 증명한다. C_{4k+1} 사이클 예시에서 중심성은 k²에서 비균일 분포로 변화한다.