[논문 리뷰] Correlated Stochastic Block Models: Exact Graph Matching with Applications to Recovering Communities

Miklós Z. Rácz, Anirudh Sridhar|arXiv (Cornell University)|2021. 07. 14.

Complex Network Analysis Techniques참고 문헌 66인용 수 13

한 줄 요약

이 논문은 관련된 스토케스틱 블록 모델(SBM)에서 정확한 그래프 매칭을 연구하여 다중 관련 네트워크로부터 정확한 커뮤니티 복원을 가능하게 한다. 평균 차수의 로그 비례인 두 개의 관련된 SBM에서 정확한 정점 대응 복원의 정보이론적 한계를 규명하여, 단일 그래프 복원이 불가능한 상황에서도 다중 그래프를 이용하면 정확한 커뮤니티 검출이 가능하다는 것을 보여준다.

ABSTRACT

We consider the task of learning latent community structure from multiple correlated networks. First, we study the problem of learning the latent vertex correspondence between two edge-correlated stochastic block models, focusing on the regime where the average degree is logarithmic in the number of vertices. We derive the precise information-theoretic threshold for exact recovery: above the threshold there exists an estimator that outputs the true correspondence with probability close to 1, while below it no estimator can recover the true correspondence with probability bounded away from 0. As an application of our results, we show how one can exactly recover the latent communities using multiple correlated graphs in parameter regimes where it is information-theoretically impossible to do so using just a single graph.

연구 동기 및 목표

• 로그형 평균 차수를 가진 두 개의 관련된 스토케스틱 블록 모델(SBM) 간의 정확한 정점 대응 복원의 정보이론적 한계를 규명하는 것.
• 단일 네트워크 추론이 불가능한 상황에서 다중 관련 네트워크를 어떻게 활용하여 잠재적 커뮤니티 구조를 복원할 수 있는지 조사하는 것.
• 관련된 SBM 설정에서 정확한 정점 대응 및 커뮤니티 구조 복원을 위한 정밀한 임계값을 설정하는 것.
• 단일 그래프 커뮤니티 검출의 기본적 한계를 초월하여 다중 관련 그래프를 조합함으로써 희박한 영역에서의 정확한 복원이 가능함을 보여주는 것.

제안 방법

• 두 개의 대칭적 커뮤니티를 가진 두 개의 간선 관련 SBM 간의 정확한 그래프 매칭 문제를 수학적으로 정의하는 것.
• 정점 수에 대해 평균 차수가 로그 비례하는 영역을 분석하고, 정보이론적 한계에 집중하는 것.
• 우도 기반 추정기와 콩centration 부등식을 사용하여 정확한 정점 대응 복원을 위한 날카운 임계값을 유도하는 것.
• 임계값을 초과할 경우 정확한 대응이 정확한 커뮤니티 검출을 가능하게 함으로써 그래프 매칭 결과를 커뮤니티 복원에 적용하는 것.
• 커플링 추론과 분포 등가성을 사용하여 불가능성 결과를 증명하는 것: 임계값 이하일 경우 어떤 추정기라도 비영 확률로 진짜 대응을 복원할 수 없다.
• 단일 SBM으로부터 다층 구조의 합성 그래프를 구성하여 다중 관련 네트워크를 시뮬레이션하고, 기존의 단일 그래프 복원 결과로의 환원을 가능하게 하는 것.

실험 결과

연구 질문

• RQ1 로그형 평균 차수를 가진 두 개의 관련된 SBM 간의 정확한 정점 대응 복원에 대한 정보이론적 임계값은 무엇인가?
• RQ2 단일 그래프 복원이 불가능한 매개변수 영역에서 다중 관련 그래프가 정확한 커뮤니티 복원을 가능하게 할 수 있는가?
• RQ3 네트워크 간 상관관계가 커뮤니티 검출 및 그래프 매칭의 기본 한계에 어떻게 영향을 미치는가?
• RQ4 관련된 SBM에서 정확한 정점 대응 및 커뮤니티 구조 복원이 가능하도록 보장하는 조건은 무엇인가?
• RQ5 관련된 SBM에서 어떤 추정기라도 비영 확률로 진짜 정점 대응을 복원할 수 없는 기본 한계는 존재하는가?

주요 결과

• 논문은 두 개의 관련된 SBM에서 정확한 정점 대응 복원에 대한 날카운 정보이론적 임계값을 규명하였다: 임계값 이상일 경우 정확한 복원이 고확률로 가능하며, 이하일 경우 어떤 추정기라도 비영 성공 확률을 달성할 수 없다.
• 상관계수 매개변수 $ s^2(α + β)/2 > 1 $ 를 만족할 경우 정확한 그래프 매칭이 가능하며, 이는 다중 관련 그래프로부터 정확한 커뮤니티 복원을 가능하게 한다.
• 단일 그래프 커뮤니티 검출이 정보이론적으로 불가능한 매개변수 영역에서, 다중 관련 그래프를 이용하면 정확한 커뮤니티 복원이 가능해진다.
• 정확한 정점 대응 복원의 임계값은 우도 기반 추정기와 측도 집중 기법을 사용하여 유도되었다.
• 모순 기반 증명을 통해 다중 관련 그래프를 사용하여 정확한 커뮤니티 복원이 비영 확률로 가능하다면, 기존의 단일 그래프 복원 불가능성 결과와 모순이 된다는 것을 보여준다.
• 단일 SBM으로부터 합성 다층 그래프를 구성함으로써 다중 네트워크 문제를 단일 네트워크 설정으로 환원할 수 있으며, 이는 임계값 이하에서의 복원 불가능성을 증명한다.