[논문 리뷰] ERGMs are Hard.

Michael J. Bannister, William E. Devanny외 1명|arXiv (Cornell University)|2014. 12. 04.

Complex Network Analysis Techniques참고 문헌 17인용 수 5

한 줄 요약

이 논문은 네트워크 확률을 추정하는 데 핵심적인 역할을 하는 지수형 무작위 그래프 모델(ERGM)에서 분할 함수를 계산하는 것이 표준 복잡도 가정 하에 #P-난이도이며, 지수 비율 내에서의 근사화도 불가능하다고 규명한다. 또한, 사회학적으로 타당한 특성인 조화적 혼합과 삼중 클로징을 기반으로 한 분포에 가까운 그래프를 생성하는 것은 랜덤화된 다항시간 알고리즘으로는 불가능하다고 추가로 증명한다.

ABSTRACT

We investigate the computational complexity of the exponential random graph model (ERGM) commonly used in social network analysis. This model represents a probability distribution on graphs by setting the log-likelihood of generating a graph to be a weighted sum of feature counts. These log-likelihoods must be exponentiated and then normalized to produce probabilities, and the normalizing constant is called the \emph{partition function}. We show that the problem of computing the partition function is $\mathsf{\#P}$-hard, and inapproximable in polynomial time to within an exponential ratio, assuming $\mathsf{P} eq \mathsf{NP}$. Furthermore, there is no randomized polynomial time algorithm for generating random graphs whose distribution is within total variation distance $1-o(1)$ of a given ERGM. Our proofs use standard feature types based on the sociological theories of assortative mixing and triadic closure.

연구 동기 및 목표

• 네트워크 분석에서 통계적 추론에 필수적인 지수형 무작위 그래프 모델(ERGM)의 분할 함수의 계산 복잡도를 분석하는 것.
• 모델의 확률 분포를 정규화하는 데 기여하는 분할 함수가 다항시간 내에 효율적으로 근사화될 수 있는지 여부를 규명하는 것.
• 랜덤화된 다항시간 알고리즘을 사용하여 주어진 ERGM 분포와 유사한 그래프를 생성하는 것이 가능한지 조사하는 것.
• 일반적으로 실증적 네트워크 모델링에 사용되는 사회학적 이론 기반 특성인 조화적 혼합과 삼중 클로징을 활용하여 ERGM의 복잡도를 평가하는 것.

제안 방법

• 기존의 #P-완전 문제로부터의 감소를 통해 ERGM 분할 함수의 계산이 #P-난이도임을 증명하는 것.
• 사회학적 이론에 기반한 표준 ERGM 특성인 조화적 혼합과 삼중 클로징을 활용하여 실세계 네트워크 모델에 기반한 계산 난이도를 정당화하는 것.
• P ≠ NP라는 복잡도 이론적 가정을 적용하여 분할 함수가 지수 비율 내에서 근사화될 수 없음을 입증하는 것.
• 모순을 통한 증명을 통해 어떤 랜덤화된 다항시간 알고리즘도 목표 ERGM 분포와 전체 변동 거리 1−o(1) 이내의 분포를 갖는 그래프를 생성할 수 없음을 증명하는 것.
• 분할 함수를 계산해야만 가능한 ERGM 가능도 함수의 정규화를 고려하여 통계 모델링과 계산 복잡도를 연결하는 것.
• 정규화 상수(분할 함수)를 공식적으로 분석하여 ERGM 추론 및 시뮬레이션의 핵심 계산 장벽으로서의 역할을 규명하는 것.

실험 결과

연구 질문

• RQ1 ERGM의 분할 함수는 다항시간 내에 계산 가능한가?
• RQ2 P ≠ NP를 가정할 때, ERGM 분할 함수는 다항시간 내에 지수 비율 내에서 근사화 가능한가?
• RQ3 고정된 ERGM 분포에서 높은 정밀도로 그래프를 생성하는 데 랜덤화된 다항시간 알고리즘을 사용하는 것이 가능한가?
• RQ4 조화적 혼합과 삼중 클로징과 같은 표준 사회학적 특성이 ERGM의 계산 난이도에 기여하는가?
• RQ5 ERGM에서 통계적 추론과 시뮬레이션의 근본적인 계산 장애는 무엇인가?

주요 결과

• ERGM에서 분할 함수를 계산하는 문제는 #P-난이도임이 증명되어, 큰 네트워크에서는 정확한 계산이 비가능함을 시사한다.
• P ≠ NP를 가정할 경우, ERGM 분할 함수는 다항시간 내에 지수 비율 내에서 근사화될 수 없다.
• 목표 ERGM 분포와 전체 변동 거리 1−o(1) 이내의 분포를 갖는 그래프를 생성하는 데 어떤 랜덤화된 다항시간 알고리즘도 존재하지 않는다.
• 조화적 혼합과 삼중 클로징과 같은 표준 사회학적 특성을 사용하더라도 계산 비가역성은 여전히 발생한다.
• 이 결과들은 정확한 추론과 신뢰할 수 있는 시뮬레이션의 근본적인 제약이 계산 복잡도에 기인함을 시사한다.
• 이러한 난이도 결과는 표준 복잡도 이론적 가정 하에 성립하므로 이론적 및 실용적 네트워크 모델링에 있어 강건하다.