[논문 리뷰] Graph Optimal Transport with Transition Couplings of Random Walks.

Kevin O’Connor, Bongsoo Yi외 2명|arXiv (Cornell University)|2021. 06. 13.

Complex Network Analysis Techniques참고 문헌 27인용 수 6

한 줄 요약

이 논문은 무게가 부여된 그래프를 정점에서의 랜덤 워크를 통해 정적 마르코프 체인으로 모델링함으로써 그래프를 비교하기 위한 새로운 최적 운반 프레임워크인 GraphOTC를 소개한다. 두 그래프의 전이 분포를 동기화하여 기대 비용을 최소화함으로써 GraphOTC는 정점 및 간선의 정렬과 비유사도 측도를 생성하며, 다양한 그래프 비교 작업에서 최신 기술보다 뛰어난 성능을 보인다.

ABSTRACT

We present a novel approach to optimal transport between graphs from the perspective of stationary Markov chains. A weighted graph may be associated with a stationary Markov chain by means of a random walk on the vertex set with transition distributions depending on the edge weights of the graph. After drawing this connection, we describe how optimal transport techniques for stationary Markov chains may be used in order to perform comparison and alignment of the graphs under study. In particular, we propose the graph optimal transition coupling problem, referred to as GraphOTC, in which the Markov chains associated to two given graphs are optimally synchronized to minimize an expected cost. The joint synchronized chain yields an alignment of the vertices and edges in the two graphs, and the expected cost of the synchronized chain acts as a measure of distance or dissimilarity between the two graphs. We demonstrate that GraphOTC performs equal to or better than existing state-of-the-art techniques in graph optimal transport for several tasks and datasets. Finally, we also describe a generalization of the GraphOTC problem, called the FusedOTC problem, from which we recover the GraphOTC and OT costs as special cases.

연구 동기 및 목표

• 무게가 부여된 그래프와 정적 마르코프 체인 간의 원칙적인 연결 고리를 랜덤 워크를 통해 수립하기 위해.
• 그래프의 구조적 및 확률적 성질을 존중하는 방식으로 그래프를 비교하고 정렬하는 데 도전하는 데에.
• 두 그래프의 전이 분포를 기대 비용을 최소화하도록 동기화하는 새로운 최적 운반 공식—GraphOTC—를 개발하기 위해.
• 그래프의 구조와 노드 특징을 모두 포함하는 FusedOTC 문제를 통해 프레임워크를 일반화하기 위해.
• 제안된 방법이 그래프 비교 작업에서 최신 기술 수준의 성능을 달성함을 보여주기 위해.

제안 방법

• 모든 가중 그래프를 랜덤 워크를 사용하여 정적 마르코프 체인으로 모델링하며, 전이 확률은 간선의 가중치에서 유도한다.
• GraphOTC 문제를 두 마르코프 체인 간의 쌍을 찾는 것으로 정의하며, 이는 동기화의 기대 비용을 최소화하는 것을 목표로 한다.
• 공동으로 동기화된 체인을 사용하여 두 그래프 간의 정점 및 간선 정렬을 생성한다.
• 동기화된 체인의 기대 비용을 그래프 간의 비유사도 측도로 간주한다.
• 그래프의 구조와 노드 특징을 모두 포함하는 일반화된 문제인 FusedOTC 문제를 도입한다.
• 표준 그래프 최적 운반 및 최적 운반 비용을 FusedOTC의 특수 케이스로 복원한다.

실험 결과

연구 질문

• RQ1 무게가 부여된 그래프를 자연스럽게 정적 마르코프 체인으로 모델링하여 확률적 비교를 가능하게 하기 위해 어떻게 해야 하는가?
• RQ2 다른 그래프에서 유도된 두 마르코프 체인의 전이 분포를 어떻게 쌍화하여 동기화 비용을 최소화할 수 있는가?
• RQ3 그러한 쌍화가 그래프 간의 정점 및 간선에 대한 의미 있는 정렬을 제공할 수 있으며, 강력한 비유사도 측도를 제공할 수 있는가?
• RQ4 제안된 GraphOTC 프레임워크는 기존 최신 기술 수준의 그래프 최적 운반 작업에서 어떻게 비교되는가?
• RQ5 FusedOTC 일반화가 그래프 구조와 특징 기반 운반을 통합하는 데서 어떤 역할을 하는가?

주요 결과

• GraphOTC는 다양한 벤치마크 데이터셋과 작업에서 최신 기술 수준의 그래프 최적 운반 방법과 동일하거나 더 뛰어난 성능을 달성한다.
• 동기화된 마르코프 체인의 기대 비용은 그래프 간의 비유사도를 원칙적이고 효과적으로 측정하는 데에 기여한다.
• GraphOTC가 생성한 정점 및 간선 정렬은 입력 그래프 간의 구조적 대응을 반영한다.
• FusedOTC 공식은 GraphOTC를 일반화하며, 표준 최적 운반 비용을 특수 케이스로 복원한다.
• 노드 특징을 포함하는 다양한 그래프 비교 시나리오에서도 이 방법은 강건성과 유연성을 보여준다.
• 프레임워크는 쌍화된 마르코프 체인의 관점에서 그래프 비교에 대한 통합적인 확률론적 시각을 제공한다.