[논문 리뷰] Fast triangle counting through wedge sampling.

C. Seshadhri, Ali Pınar외 1명|arXiv (Cornell University)|2012. 08. 01.

Complex Network Analysis Techniques참고 문헌 28인용 수 33

한 줄 요약

이 논문은 무방향 및 유방향 그래프에서 빠른 삼각형 수를 세는 데 새로운 샘플링 기반 방법을 제안한다. 와이드 샘플링을 사용하여 그래프 크기와 무관한 상대 오차로 삼각형 수를 추정한다. 이 방법은 실질적으로 이전의 근사 방법보다 뛰어나며, 최소한의 샘플로 높은 정확도를 제공한다. 이는 무방향 그래프에 대해 제안된 첫 번째 such 방법이다.

ABSTRACT

Graphs and networks are used to model interactions in a variety of contexts, and there is a growing need to be able to quickly assess the qualities of a graph in order to understand its underlying structure. Some of the most useful metrics are triangle based and give a measure of the connectedness of “friends of friends. ” Counting the number of triangles in a graph has, therefore, received considerable attention in recent years. We propose new sampling-based methods for counting the number of triangles or the number of triangles with vertices of specified degree in an undirected graph and for counting the number of each type of directed triangle in a directed graph. The number of samples depends only on the desired relative accuracy and not on the size of the graph. We present extensive numerical results showing that our methods are often much better than the error bounds would suggest. In the undirected case, our method is generally superior to other approximation approaches; in the undirected case, ours is the first approximation method proposed.

연구 동기 및 목표

• 대규모 네트워크에서 삼각형을 신속하고 정확하게 세는 데 필요한 효율적인 그래프 분석의 증가하는 수요를 해결하기 위해.
• 그래프 크기에 비례하지 않는 원하는 상대 정확도를 달성하는 샘플링 기반 접근법을 개발하기 위해.
• 증명 가능성이 있는 성능 보장을 제공하는 첫 번째 무방향 삼각형 수 계산 근사 방법을 제공하기 위해.
• 이를 통해 유방향 그래프에서 정점의 차수별 삼각형 수와 유방향 삼각형 수를 세는 데로 확장하기 위해.

제안 방법

• 공통 정점을 공유하는 두 개의 간선으로 구성된 와이드(와이드)를 샘플링하고, 통계적 추론을 통해 삼각형 수를 추정한다.
• 각 샘플된 와이드는 세 번째 간선이 삼각형을 완성하는지 여부에 기반하여 삼각형 형성 확률을 추정한다.
• 와이드와 삼각형 사이의 관계를 활용한다: 삼각형은 세 개의 와이드를 포함하며, 와이드의 수는 삼각형의 수에 비례한다.
• 유방향 그래프의 경우, 방향성 제약을 적용한 와이드 샘플링을 통해 다양한 유형의 유방향 삼각형(예: 순환형 대비 비순환형)을 구분한다.
• 필요한 샘플 수는 그래프 크기와 무관하게 원하는 상대 오차에 따라 결정되며, 확장 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 대규모 그래프에서 샘플링을 사용하여 삼각형 수를 세는 것을 가속화하면서도 높은 정확도를 유지할 수 있는가?
• RQ2 무방향 삼각형 수 계산에서 샘플링 방법이 그래프 크기와 무관한 상대 오차를 달성할 수 있는가?
• RQ3 실제로 와이드 샘플링은 기존의 근사 방법보다 어떻게 비교되는가?
• RQ4 이 방법을 다양한 유형의 유방향 삼각형 수를 세는 데로 확장할 수 있는가?

주요 결과

• 제안된 방법은 이론적 오차 한계가 시사하는 것보다 실질적으로 훨씬 뛰어난 성능을 보이며, 종종 다른 근사 방법을 능가한다.
• 필요한 샘플 수는 그래프 크기와 무관하게 원하는 상대 정확도에 따라 결정되며, 대규모 네트워크에서의 효율적 계산을 가능하게 한다.
• 무방향 그래프의 경우, 본 방법은 근사 기반 접근법으로서 첫 번째로 제안된 것으로, 확장성과 정확도의 새로운 기준을 제시한다.
• 다양한 그래프 유형과 크기에서의 광범위한 수치적 결과는 본 방법의 강인성과 효율성을 확인한다.