[논문 리뷰] Experimental Evaluation of Counting Subgraph Isomorphisms in Classes of Bounded Expansion.

Michael P. O’Brien, Blair D. Sullivan|arXiv (Cornell University)|2017. 12. 18.

Complex Network Analysis Techniques참고 문헌 21인용 수 6

한 줄 요약

이 논문은 경계가 있는 확장 구조를 가진 그래프에서 부분그래프 동형사상 수를 세는 데 사용할 수 있는 오픈소스 소프트웨어 CONCUSS를 소개한다. 이 소프트웨어는 매개변수화된 복잡도 기법을 활용하여 선형 시간 성능을 달성한다. 다양한 실제 네트워크에서 평가한 결과, 이 방법은 주요 대안보다 최대 10배 빠른 런타임을 기록하였다.

ABSTRACT

Counting subgraph isomorphisms (also called motifs or graphlets) has been used extensively as a tool for analyzing biological and social networks. Under standard complexity assumptions there is no polynomial time algorithm for this problem, which limits the applicability of these tools to large data sets. Recent techniques from parameterized complexity have led to an algorithmic framework for isomorphism counting whose worst case time complexity is linear in the number of vertices, provided that the input graph has certain structural characteristics, known as bounded expansion. Previous work has suggested that the restrictions of bounded expansion structure--locally dense pockets in a globally sparse graph--naturally coincide with common properties of real-world networks such as clustering and heavy-tailed degree distributions. However, there has been little work done in implementing and evaluating the performance of this algorithmic pipeline. To this end we introduced CONCUSS, an open-source software package for counting subgraph isomorphisms in classes of bounded expansion. Through a broad set of experiments we evaluate implementations of multiple stages of the pipeline and demonstrate that our structure-based algorithm can be up to an order of magnitude faster than a popular algorithm for isomorphism counting.

연구 동기 및 목표

• 경계가 있는 확장 구조를 가진 그래프에서 부분그래프 동형사상 수를 세는 데 위한 매개변수화된 알고리즘 파이프라인을 구현하고 평가하는 것.
• 실제 생물학적 및 사회적 네트워크에서 구조 인식 알고리즘의 실용적 성능를 평가하는 것.
• 실제 네트워크에서 흔히 나타나는 경계가 있는 확장 성질이 부분그래프 수 세기에서 상당한 성능 향상을 이끌 수 있음을 보여주는 것.
• 알고리즘 프레임워크의 재현 가능하고 쉽게 배포할 수 있도록 오픈소스 구현(이하 CONCUSS)을 제공하는 것.

제안 방법

• 이 방법은 경계가 있는 확장 구조에 기반한 매개변수화된 알고리즘 프레임워크를 사용하며, 이는 이러한 구조적 제약 조건 하에서 정점 수에 대해 선형 시간 복잡도를 보장한다.
• 경계가 있는 확장 클래스에 내재된 그래프 희소성과 국소 밀도 성질을 활용하여 부분그래프 열거 및 동형사상 검증을 최적화한다.
• 파이프라인은 그래프 분해, 부분그래프 후보 생성, 동형사상 검증 단계로 구성되며, 각 단계는 경계가 있는 확장 특성에 맞게 최적화되어 있다.
• 각 파이프라인 단계의 여러 구현 변형을 실험적으로 평가하여 최적의 구성 요소를 도출하였다.
• 이 프레임워크는 사용자 친화성을 고려해 파이썬 바인딩을 제공하는 오픈소스 C++ 라이브러리인 CONCUSS에 통합되었다.

실험 결과

연구 질문

• RQ1 경계가 있는 확장 그래프를 대상으로 설계된 알고리즘이 실제 네트워크의 부분그래프 수 세기에서 실용적인 성능 향상을 이룰 수 있는가?
• RQ2 실제 네트워크에서 경계가 있는 확장 기반 접근 방식의 성능가 널리 사용되는 대안 알고리즘과 비교해 어떻게 되는가?
• RQ3 경계가 있는 확장 성질—예를 들어 군집화와 무거운 尾 꼬리도수 분포—는 실제 생물학적 및 사회적 네트워크의 구조적 특성과 얼마나 잘 부합하는가?
• RQ4 부분그래프 동형사상 파이프라인의 각 단계에서 성능 저하 요인이 무엇이며, 경계가 있는 확장 조건 하에서 이를 어떻게 완화할 수 있는가?

주요 결과

• CONCUSS의 구현은 실제 생물학적 및 사회적 네트워크에서 인기 있는 기준 알고리즘 대비 최대 10배의 빠른 성능 향상을 기록하였다.
• 알고리즘의 선형 시간 복잡도가 실제 환경에서도 관찰되었으며, 이는 경계가 있는 확장 구조 하에서 이론적 예측과 일치함을 확인하였다.
• 전반적으로 희소하지만 국소적으로 밀도가 높은 영역을 포함한 그래프—경계가 있는 확장의 특성—가 알고리즘 프레임워크에 의해 효율적으로 처리됨을 입증하였다.
• 파이프라인 단계 간 성능 격차가 있었으며, 부분그래프 후보 생성 및 동형사상 검증 단계가 런타임 격차의 주요 기여 요소로 나타났다.