[논문 리뷰] Fast and Simple Computation of Top-k Closeness Centralities

Michele Borassi, Pierluigi Crescenzi외 1명|arXiv (Cornell University)|2015. 07. 06.

Complex Network Analysis Techniques참고 문헌 17인용 수 8

한 줄 요약

이 논문은 대규모 네트워크에서 높은 밀착 중심성(closeness centrality)을 가진 상위-k 노드를 효율적으로 계산하기 위한 새로운 알고리즘을 제안한다. 이는 BFS 탐색을 지능적으로 잘라내는 방식으로, 기존의 APSP 기반 방법에 비해 실질적으로 훨씬 뛰어난 성능을 보인다. 교과서적 접근 방식과 동일한 최악의 시간 복잡도를 유지하면서도, 수백만 개의 노드를 가진 실제 그래프에서 실행 시간을 몇 십 초로 줄여, IMDB 배우 협업 네트워크에서 선형 확장성을 입증한다.

ABSTRACT

Closeness is an important centrality measure widely used in the analysis of real-world complex networks. In particular, the problem of selecting the k most central nodes with respect to this measure has been deeply analyzed in the last decade. However, even for not very large networks, this problem is computationally intractable in practice: indeed, Abboud et al have recently shown that its complexity is strictly related to the complexity of the All-Pairs Shortest Path (in short, APSP) problem, for which no subcubic "combinatorial" algorithm is known. In this paper, we propose a new algorithm for selecting the k most closeness central nodes in a graph. In practice, this algorithm significantly improves over the APSP approach, even though its worst-case time complexity is the same. For example, the algorithm is able to compute the top k nodes in few dozens of seconds even when applied to real-world networks with millions of nodes and edges. We will also experimentally prove that our algorithm drastically outperforms the most recently designed algorithm, proposed by Olsen et al. Finally, we apply the new algorithm to the computation of the most central actors in the IMDB collaboration network, where two actors are linked if they played together in a movie.

연구 동기 및 목표

• 대규모 실세계 네트워크에서 상위-k 밀착 중심성 노드를 찾는 데 있어 계산의 비현실성 문제를 해결하기 위해.
• 정확도를 희생시키지 않은 채로 밀착 중심성 계산의 실질적 실행 시간을 단축하기 위해.
• 유망하지 않은 노드에 대해 전체 BFS 계산을 피하는 절단 기반 알고리즘을 설계하기 위해.
• Olsen 등이 제안한 알고리즘과 같은 최신 기술 수준의 방법들에 비해 뚜렷한 성능 향상을 보여주기 위해.
• IMDB 배우 협업 그래프를 포함한 대규모 네트워크에서 방법의 유효성을 검증하기 위해.

제안 방법

• 모든 노드에서 BFS를 수행하지만, 노드가 상위-k 중심성 노드에 속할 수 없음을 판단되면 탐색을 조기에 종료한다.
• 특히 $ \tilde{f}_d(v,x) $를 통해 도달 가능성과 먼지도를 추정하고, 이를 기반으로 절단 결정을 내린다.
• 절단 조건은 추정된 밀착 중심성 $ \tilde{c}_d(v) $를 상위-k 노드 중 최소 중심성과 비교하는 방식이다.
• 현재 상위-k 후보를 담은 최대 힙을 유지하며, 불필요한 BFS 확장을 방지하기 위해 경계값을 동적으로 갱신한다.
• 미래의 도달 가능성과 먼지를 추정하기 위해 이웃 수의 경계값 $ \tilde{\gamma}_{d+1}(v) $를 활용한다.
• BFS 동안 단계적으로 이러한 경계값을 적용하여, 노드의 중심성이 확실히 너무 낮다는 것이 증명되면 조기에 종료할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 표준 APSP 기반 접근 방식보다 상당히 더 빠르게 대규모 네트워크에서 상위-k 밀착 중심성 노드를 계산할 수 있는가?
• RQ2 APSP 문제의 이론적 난이도에도 불구하고 실질적으로 삼차 이하 성능을 달성할 수 있는가?
• RQ3 먼저 도달 가능성과 먼지의 동적 경계 기반 절단이 BFS 계산을 얼마나 효과적으로 줄이는가?
• RQ4 실제 시나리오에서 네트워크 크기에 비례해 선형 확장성이 유지되는가?
• RQ5 최근 최신 기술 수준의 알고리즘인 Olsen 등의 알고리즘과 비교해 어떻게 성능가능한가?

주요 결과

• 실제 그래프에서 최대 180만 개의 노드와 7300만 개의 간선을 가진 네트워크에서 상위-k 밀착 중심성 노드를 몇 십 초 만에 계산한다.
• 그래프 크기가 증가함에 따라 성능 비율(전체 APSP 대비)은 0.22%에서 0.14%로 감소하여 거의 선형 확장성을 보인다.
• 성능 비율의 역수는 기울기가 약 ~1/c인 직선을 거의 정확히 따르며, 이는 총 실행 시간이 O(m)로 잘 근사됨을 시사하여 실질적으로 선형 시간 복잡도를 가짐을 의미한다.
• IMDB 배우 네트워크에서는 마이클 매드센이 밀착 중심성 0.354로 가장 중심적인 배우로 확인되었고, 다음으로 Danny Trejo(0.352), Adolf Hitler(0.351)가 뒤이었다. 비록 Hitler는 배우가 아니지만 말이다.
• ‘Kevin Bacon의 여섯 도어’ 게임의 중심이 되는 케빈 베이컨은 상위 10위 이내에 들지 못했으며, 밀착 중심성은 단지 0.336에 불과했다.
• k=100으로 확장해도 Rip Torn은 100번째로 중심적인 배우로 밀착 중심성이 0.341을 기록했으며, 이는 알고리즘이 큰 k 값에 대해서도 효율적으로 확장됨을 확인한다.