[논문 리뷰] COPT: Coordinated Optimal Transport for Graph Sketching

Yihe Dong, Will Sawin|arXiv (Cornell University)|2020. 03. 09.

Complex Network Analysis Techniques참고 문헌 51인용 수 4

한 줄 요약

COPT는 좌표화된 최적 운반 이론을 기반으로 한 새로운 비지도 그래프 거리 측도를 제안한다. 이는 정점과 스펙트럼 운반 계획을 동시에 최적화하여 전반적인 그래프 구조를 유지한다. 이를 통해 고정밀도의 그래프 스케치 및 분류가 가능해지며, 합성 그래프에서 97.8%의 검색 정확도를 달성하여 스펙트럼 투영보다 15.7个百分点 높고, Gromov-Wasserstein 거리보다 2000배 빠르다.

ABSTRACT

We introduce COPT, a novel distance metric between graphs defined via an optimization routine, computing a coordinated pair of optimal transport maps simultaneously. This gives an unsupervised way to learn general-purpose graph representation, applicable to both graph sketching and graph comparison. COPT involves simultaneously optimizing dual transport plans, one between the vertices of two graphs, and another between graph signal probability distributions. We show theoretically that our method preserves important global structural information on graphs, in particular spectral information, and analyze connections to existing studies. Empirically, COPT outperforms state of the art methods in graph classification on both synthetic and real datasets.

연구 동기 및 목표

• 전반적인 구조적 및 스펙트럼 정보를 유지하는 새로운 비지도 그래프 거리 측도를 개발하는 것.
• 분류 및 검색과 같은 후속 작업을 위해 표현의 정밀도를 유지하는 효율적인 그래프 스케치를 가능하게 하는 것.
• 기존 그래프 거리 측도의 한계, 즉 높은 계산 비용과 크기가 다른 그래프를 다룰 수 없는 점을 해결하는 것.
• 정점 수준과 스펙트럼 수준의 비교를 좌표화된 운반 계획을 통해 통합하여 그래프 표현을 향상시키는 것.

제안 방법

• COPT는 두 가지 운반 계획에 대한 좌표화된 최적화를 통해 거리 측도를 정의한다: 하나는 그래프 간 정점 간의 매핑을, 다른 하나는 라플라시안 스펙트럼 분포 간의 매핑을 담당한다.
• 정점 운반과 스펙트럼 운반을 결합하는 공동 손실 함수를 최소화함으로써 구조적 유사성과 스펙트럼 유사성 간의 일치를 보장한다.
• 최적 운반 이론을 활용하여, 그래프가 동형일 경우에만 거리가 0이 되는 측도를 계산함으로써 핵심 거리 성질을 만족시킨다.
• 알고리즘은 최적 운반을 통해 원본 그래프를 더 작은 그래프로 축소함으로써 스케치를 계산하며, 핵심 스펙트럼 및 구조적 특징을 유지한다.
• 스케치는 압축된 라플라시안 행렬로 표현되며, 노드 레이블은 원래 노드의 그룹화를 반영하기 위해 운반 계획에서 유도된다.
• 이 방법은 스케치에 대한 l1 거리 기반 유사도 검색을 통해 전체 그래프 비교에 비해 상당히 빠른 검색을 가능하게 한다.

실험 결과

연구 질문

• RQ1 그래프 간 정점 수준과 스펙트럼 수준의 대응을 동시에 최적화하는 통합된 그래프 거리 측도를 설계할 수 있는가?
• RQ2 기존 방법과 비교해 COPT는 그래프 스케칭 과정에서 전반적인 스펙트럼 및 구조적 정보를 얼마나 잘 유지하는가?
• RQ3 COPT는 그래프 분류 파이프라인에서 검색 정확도와 속도를 얼마나 향상시키는가?
• RQ4 COPT는 크기와 위상이 다양한 실세계 그래프 데이터셋에서도 효과적으로 활용될 수 있는가?
• RQ5 정확도와 효율성 측면에서 COPT는 Gromov-Wasserstein 및 스펙트럼 투영과 같은 최첨단 기법과 어떻게 비교되는가?

주요 결과

• COPT는 600개의 합성 그래프로 구성된 데이터셋에서 97.8% ± 1.1%의 검색 정확도를 달성하여 스펙트럼 투영보다 15.7个百分点 높았다.
• COPT 스케치는 원본 그래프의 전체 Gromov-Wasserstein 거리와 비교해 2.0% 이내의 정확도를 유지했으며, 속도는 2000배 빠르게(1.81 ms 대비 3.69 s) 측정되었다.
• 하이브리드 파이프라인에서 COPT+GW는 상위 3개 후보로 필터링했을 때 98.7% ± 0.3%의 정확도를 기록했으며, 이는 스펙트럼 투영+GW(89.4% ± 2.4%)를 뛰어넘었다.
• 실제 BZR_MD 데이터셋에서 COPT는 7노드 스케치로 축소했을 때 57.2% ± 4.9%의 정확도를 달성했으며, OTC(52.2% ± 5.5%)를 능가했다.
• 시각화 결과 COPT가 전반적인 구조를 잘 유지하고, 원본 그래프에서 구조적으로 유사한 노드들이 스케치에서 같은 또는 인접한 노드로 매핑됨을 확인했다.
• 바벨, 휠, 래더, 무작위 기하 그래프 등 다양한 그래프 유형에 대해 일관된 스펙트럼 및 위상적 특징 유지 능력을 보이며 뛰어난 강건성을 입증했다.