[논문 리뷰] Exact Matching of Random Graphs with Constant Correlation

Cheng Mao, Mark Rudelson외 1명|arXiv (Cornell University)|2021. 10. 11.

Caching and Content Delivery참고 문헌 28인용 수 4

한 줄 요약

이 논문은 일정한 상관관계를 가진 두 개의 상관된 Erdős–Rényi 무작위 그래프 사이의 잠재적 정점 매칭을 정확하게 복원하는 최초의 다항시간 알고리즘을 제시한다. 이 알고리즘은 정점 이웃성 서명을 기반으로 하는 재귀적 분할 기반의 방법을 사용하며, 평균 차수 n에 대해 로그적으로 증가하는 희박한 그래프 조건 하에서 높은 확률로 정확한 복원을 달성한다.

ABSTRACT

This paper deals with the problem of graph matching or network alignment for Erdős--Rényi graphs, which can be viewed as a noisy average-case version of the graph isomorphism problem. Let $G$ and $G'$ be $G(n, p)$ Erdős--Rényi graphs marginally, identified with their adjacency matrices. Assume that $G$ and $G'$ are correlated such that $\mathbb{E}[G_{ij} G'_{ij}] = p(1-α)$. For a permutation $π$ representing a latent matching between the vertices of $G$ and $G'$, denote by $G^π$ the graph obtained from permuting the vertices of $G$ by $π$. Observing $G^π$ and $G'$, we aim to recover the matching $π$. In this work, we show that for every $\varepsilon \in (0,1]$, there is $n_0>0$ depending on $\varepsilon$ and absolute constants $α_0, R > 0$ with the following property. Let $n \ge n_0$, $(1+\varepsilon) \log n \le np \le n^{\frac{1}{R \log \log n}}$, and $0 < α< \min(α_0,\varepsilon/4)$. There is a polynomial-time algorithm $F$ such that $\mathbb{P}\{F(G^π,G')=π\}=1-o(1)$. This is the first polynomial-time algorithm that recovers the exact matching between vertices of correlated Erdős--Rényi graphs with constant correlation with high probability. The algorithm is based on comparison of partition trees associated with the graph vertices.

연구 동기 및 목표

• 일정한 상관관계를 가진 상관된 Erdős–Rényi 그래프 간의 정점 매칭을 다항시간에 정확히 복원하는 알고리즘을 개발하는 것.
• 노이즈가 있는 그래프 매칭 문제에서 정보이론적 임계값과 효율적으로 계산 가능한 복원 조건 사이의 격차를 메우는 것.
• 평균 차수 np가 n에 대해 로그적으로 증가하는 희박한 그래프 환경에서 높은 확률로 정확한 복원을 확립하는 것.
• 이웃성 겹침 통계를 활용해 올바른 쌍과 잘못된 쌍을 구별하는 새로운 서명 기반 분할 방법을 도입하는 것.

제안 방법

• 알고리즘은 정점 이웃성 기반의 분할 트리를 구축하고, 후보 매칭을 식별하기 위해 재귀적 정밀화를 수행한다.
• G^π와 G′의 이웃성 겹침을 통해 정점 서명을 정의하며, 노이즈를 줄이기 위해 희박화 기법을 활용한다.
• 초기 매칭을 기반으로 하여 서명 겹침 임계값을 사용해 후보 매핑을 테스트하는 반복적 절차를 통해 점진적으로 매칭을 개선한다.
• 정확한 쌍은 잘못된 쌍보다 훨씬 높은 서명 겹침을 보임을 보여주기 위해 농도 부등식을 활용한다.
• 불일치하는 정점의 수가 각 단계에서 반으로 줄어들도록 다단계 정밀화 과정을 통해 수렴을 보장한다.
• 무작위 그래프에서 이웃성 기수와 겹침 분포의 확률적 분석을 통해 이론적 보장을 도출한다.

실험 결과

연구 질문

• RQ1 일정한 상관관계를 가진 두 개의 상관된 Erdős–Rényi 그래프 사이에서 잠재적 매칭을 다항시간에 정확히 복원할 수 있는가?
• RQ2 평균 차수 np가 어떤 조건을 만족해야 일정한 상관관계 환경에서 높은 확률로 정확한 복원이 가능한가?
• RQ3 정점 이웃성 구조는 상관된 그래프에서 올바른 쌍과 잘못된 쌍을 어떻게 구별할 수 있는가?
• RQ4 점진적으로 초기 매칭을 정밀화하여 정확한 복원을 달성할 수 있는 재귀적 알고리즘 프레임워크는 존재하는가?

주요 결과

• 알고리즘은 모든 n ≥ n₀에 대해 확률 1 - o(1)로 정확한 매칭을 달성하며, n₀는 ε와 절대 상수에 따라 달라진다.
• 정확한 복원은 (1+ε)log n ≤ np ≤ n^(1/(R log log n)) 이며 0 < α < min(α₀, ε/4) 인 조건에서 가능하며, 여기서 α는 노이즈 수준이다.
• 이 방법은 각 재귀 단계에서 불일치하는 정점 수가 반으로 줄어들며, O(log n) 반복 후 정확한 복원에 도달함을 보장한다.
• 정확한 정점 쌍은 최소 ε²pn/512의 서명 겹침을 보이며, 잘못된 쌍은 높은 확률로 ε²pn/512 이하의 겹침을 보인다.
• 이 알고리즘은 일정한 상관관계에 대해 정확한 복원을 다항시간 내에 달성하는 최초의 알고리즘으로, 이전 결과가 점점 줄어드는 상관관계에 국한된 것에서 벗어나 확장된다.