[논문 리뷰] Computing top-k Closeness Centrality Faster in Unweighted Graphs

Elisabetta Bergamini, Michele Borassi외 3명|arXiv (Cornell University)|2017. 04. 04.

Complex Network Analysis Techniques참고 문헌 4인용 수 8

한 줄 요약

이 논문은 비가중치 그래프에서 상위-$k$ 가까움 중심성 노드를 계산하는 새로운 정확한 알고리즘을 제안하며, BFS와 동적 상한값 가지치기를 통합하여 교과서적 및 최신 기법보다 성능을 크게 향상시킨다. 실제 네트워크인 위키백과에서 최대 87,918배의 속도 향상을 달성하여 수백만 개의 노드와 간선을 가진 그래프에서 상위-$k$ 중심성 계산을 10분 이내로 수행할 수 있게 한다.

ABSTRACT

Given a connected graph $G=(V,E)$, the closeness centrality of a vertex $v$ is defined as $\frac{n-1}{\sum_{w \in V} d(v,w)}$. This measure is widely used in the analysis of real-world complex networks, and the problem of selecting the $k$ most central vertices has been deeply analysed in the last decade. However, this problem is computationally not easy, especially for large networks: in the first part of the paper, we prove that it is not solvable in time $Ø(|E|^{2-ε})$ on directed graphs, for any constant $ε>0$, under reasonable complexity assumptions. Furthermore, we propose a new algorithm for selecting the $k$ most central nodes in a graph: we experimentally show that this algorithm improves significantly both the textbook algorithm, which is based on computing the distance between all pairs of vertices, and the state of the art. For example, we are able to compute the top $k$ nodes in few dozens of seconds in real-world networks with millions of nodes and edges. Finally, as a case study, we compute the $10$ most central actors in the IMDB collaboration network, where two actors are linked if they played together in a movie, and in the Wikipedia citation network, which contains a directed edge from a page $p$ to a page $q$ if $p$ contains a link to $q$.

연구 동기 및 목표

• 비가중치 그래프에서 가까움 중심성 기준으로 가장 중심적인 정점을 계산하는 데 있어 이론적 난이도 한계를 설정하는 것.
• 실제 대규모 네트워크에서 교과서적 BFS 기반 방법보다 뛰어난 성능을 보이는 실용적 정확 알고리즘을 설계하는 것.
• 이전 방법으로는 비현실적이었던 IMDB 및 위키백과와 같은 거대 네트워크에서 상위-$k$ 중심 정점 계산을 수행하는 것.
• 실제 네트워크에서의 사례 연구를 통해 알고리즘의 효과성을 검증하고, 직관적이거나 비직관적인 중심성 패턴을 밝혀내는 것.

제안 방법

• BFS와 동적 상한값 가지치기를 조합한 새로운 정확 알고리즘을 제안하여 고려 대상에서 노드를 조기에 제거한다.
• 초기 상한값 설정을 위한 두 가지 전략과 계산 중 상한값 갱신을 위한 두 가지 전략을 사용하여 총 네 가지 알고리즘 변종을 도출한다.
• 상한값을 활용해 상위-$k$ 값보다 큰 중심성 값을 가질 수 없는 노드를 가지치하여 불필요한 BFS 탐색을 줄인다.
• 위키백과 인용 네트워크의 표준 및 역방향 그래프에 알고리즘을 적용하여 다양한 구조적 시각에서 중심성 분석을 수행한다.
• 성능 비교를 위한 기준으로 표준 교과서적 접근 방식(모든 정점 쌍에 대한 BFS)을 사용한다.
• SETH를 기반으로 한 복잡도 가정 하에, BFS 기반 방법이 최악의 경우에 개선될 수 없음을 보이기 위해 직교 벡터 문제를 하드니스 가정으로 사용한다.

실험 결과

연구 질문

• RQ1 대규모 비가중치 그래프에서 교과서적 모든 정점 쌍에 대한 BFS 방식보다 상위-$k$ 가까움 중심성 노드 계산이 더 빠를 수 있는가?
• RQ2 가장 중심적인 정점을 계산하는 데 있어 시간 복잡도에 이론적 하한값이 존재하는가? 그리고 표준 복잡도 가정 하에 이를 증명할 수 있는가?
• RQ3 동적 상한값 기반 가지치기 기법이 실세계 네트워크에서 BFS 탐색 횟수를 상당히 줄일 수 있는가?
• RQ4 IMDB 및 위키백과와 같은 실세계 네트워크에서 상위-$k$ 중심 정점은 직관적인 중요성 기준과 어떻게 다를 수 있는가?
• RQ5 그래프와 그 역방향 그래프 간의 중심성 순위에 의미 있는 차이가 존재하는가? 이는 네트워크의 구조적 특성에 대해 어떤 통찰을 제공하는가?

주요 결과

• 논문은 직교 벡터 추측을 기반으로, 어떤 $\epsilon > 0$ 에 대해서도 $\mathcal{O}(m^{2-\epsilon})$ 시간 내에 가장 중심적인 정점을 계산할 수 없음을 증명한다. 이는 SETH에 의해 암시된다.
• 제안된 알고리즘은 $k=1$일 때 위키백과 표준 그래프에서 1,784배의 속도 향상을 달성하여 실행 시간을 약 39분에서 14초 이내로 단축시켰다.
• 위키백과 역방향 그래프에서는 $k=1$일 때 87,918배의 속도 향상을 기록하여 3분 이내에 완료하였다.
• $k=100$일 경우, 표준 그래프에서는 1시간 20분 이내, 역방향 그래프에서는 10분 이내로 실행되었다.
• 위키백과 표준 그래프에서 상위 10개 중심 정점은 연도들(예: 1989, 1967)이며, 이는 높은 출도수와 다양한 주제를 연결하는 허브 역할을 하기 때문이다.
• 역방향 위키백과 그래프에서는 상위 10개 중심 정점이 국가들(예: 미국, 제2차 세계대전, 영국)로 나타나 직관적인 중심성 개념과 일치하며 이전의 추측을 확인한다.