[논문 리뷰] Graph Similarity Using PageRank and Persistent Homology.

Mustafa Hajij, Elizabeth Munch외 1명|arXiv (Cornell University)|2020. 02. 12.

Topological and Geometric Data Analysis인용 수 2

한 줄 요약

이 논문은 그래프 유사도를 측정하기 위해 PageRank와 지속 호몰로지의 조합을 제안한다: 그래프의 로어스타 필터레이션에서 PageRank를 계산하고, 그 결과를 영구성 다이어그램으로 변환한 후, 비교에 블록너트 거리( bottleneck distance )를 사용한다. 이 방법은 위상적 특성과 중심성 특성을 효과적으로 포착하며, 형태 메쉬 데이터셋에서 뛰어난 성능을 보인다.

ABSTRACT

The PageRank of a graph is a scalar function defined on the node set of the graph which encodes nodes centrality information of the graph. In this work, we utilize the PageRank function on the lower-star filtration of the graph as input to persistent homology to study the problem of graph similarity. By representing each graph as a persistence diagram, we can then compare outputs using the bottleneck distance. We show the effectiveness of our method by utilizing it on two shape mesh datasets.

연구 동기 및 목표

• 노드 중심성과 위상적 구조를 통합하여 그래프 유사도를 측정하는 새로운 접근법을 개발하기 위해.
• 그래프 필터레이션에서 PageRank를 스칼라 함수로 활용하여 구조적 및 중심성 정보를 인코딩하기 위해.
• 그래프를 영구성 다이어그램으로 표현하여 위상적 비교를 가능하게 하기 위해.
• 실세계 형태 메쉬 데이터셋에서의 성능과 내구성을 평가하기 위해.

제안 방법

• 그래프의 노드 집합에 PageRank를 적용하여 중심성 기반 스칼라 함수를 확보한다.
• PageRank 값들을 필터레이션 값으로 사용하여 로어스타 필터레이션을 구성한다.
• 필터링된 심플로이드 복합체에서 영구성 호몰로지( persistent homology )를 계산하여 영구성 다이어그램을 생성한다.
• 각 그래프를 영구성 다이어그램으로 표현하여 위상적 비교를 가능하게 한다.
• 영구성 다이어그램 간의 블록너트 거리를 유사도 측정 지표로 사용한다.
• 성능과 내구성을 평가하기 위해 두 개의 형태 메쉬 데이터셋에서 방법을 검증한다.

실험 결과

연구 질문

• RQ1 PageRank 기반 스칼라 함수는 그래프 유사도 작업에서 위상적 표현을 향상시키는가?
• RQ2 PageRank와 지속 호몰로지를 조합함으로써 그래프의 구조적 및 위상적 특성을 얼마나 잘 포착하는가?
• RQ3 제안된 방법은 형태 메쉬 유사도 벤치마크에서 기준 방법들을 능가하는가?
• RQ4 이 방법은 그래프 구조 및 필터레이션 선택의 변화에 얼마나 민감한가?

주요 결과

• PageRank와 지속 호몰로지를 조합함으로써 중심성과 위상적 구조를 효과적으로 인코딩하는 데 성공했다.
• PageRank 기반 필터레이션에서 유도된 영구성 다이어그램은 유사도 분석에 유용한 의미 있는 그래프 특성을 포착한다.
• 다이어그램 간의 블록너트 거리는 그래프 비교를 위한 신뢰할 수 있고 해석 가능한 유사도 측정 지표를 제공한다.
• 이 방법은 두 개의 형태 메쉬 데이터셋에서 뛰어난 성능을 보이며, 실용적 응용에서의 효과성을 입증한다.