[논문 리뷰] Impossibility of Partial Recovery in the Graph Alignment Problem

Luca Ganassali, Laurent Massoulié외 1명|arXiv (Cornell University)|2021. 02. 04.

Graph Theory and Algorithms참고 문헌 20인용 수 13

한 줄 요약

이 논문은 순간법 분석과 종속성 그래프 수세기 기반으로, 특정한 무작위 그래프 모델 하에서 그래프 정렬 문제의 부분적 복원이 불가능하다는 것을 증명한다. 간선 확률이 낮고 치환(permutation)이 무작위일 경우, 그래프 쌍 간의 구조적 구별 불가능성으로 인해 어떤 알고리즘도 진짜 정렬의 일정한 분량을 신뢰성 있게 복원할 수 없다.

ABSTRACT

Random graph alignment refers to recovering the underlying vertex correspondence between two random graphs with correlated edges. This can be viewed as an average-case and noisy version of the well-known graph isomorphism problem. For the correlated Erdös-Rényi model, we prove an impossibility result for partial recovery in the sparse regime, with constant average degree and correlation, as well as a general bound on the maximal reachable overlap. Our bound is tight in the noiseless case (the graph isomorphism problem) and we conjecture that it is still tight with noise. Our proof technique relies on a careful application of the probabilistic method to build automorphisms between tree components of a subcritical Erdös-Rényi graph.

연구 동기 및 목표

• 주어진 무작위 그래프 모델 하에서 부분적 복원—즉, 올바른 정점 매핑의 비영분량을 식별하는 것이 가능한지 여부를 규명하는 것.
• 다중 치환에 걸친 정렬 지표의 다중순간의 渐近적 행동을 포아송 수렴과 간선 종속성 구조를 이용해 분석하는 것.
• 다양한 치환 간에 겹치는 간선 제약 조건의 기여를, 세 가지 유형의 간선(일반, 파선, 두꺼운 일반)을 가진 p-분할 종속성 그래프를 통해 특성화하는 것.
• 특정한 구조적 제약 조건을 가진 레이블이 부여된 종속성 그래프의 수에 대한 날카로운 상界를 설정하여 다중순간 기여도를 상한으로 제한하는 것.
• 제시된 모델 가정 하에서 기대 다중순간이 곱 형태로 수렴함을 증명하여, 비어 있지 않은 정렬 복원이 불가능하다는 것을 밝혀내는 것.

제안 방법

• 다중 치환에 걸친 정렬 지표의 공동분포를 분석하기 위해 낙하계승순간법(falling factorial moment method)을 사용한다.
• 공유 간선 집합 $\mathcal{S}$ 를 조건으로 하여, 간선 색상(파란색은 원본, 빨간색은 치환된 것)을 확률 $ q = \frac{\lambda(1-s)}{n - \lambda s} $ 를 가진 독립적인 베르누이 시행으로 모델링한다.
• 치환 간 간선 간 제약 조건을 표현하기 위해 p-분할 종속성 그래프를 도입한다: 공통된 원본 간선은 일반 간선, 공통된 치환 간선은 파선, 공통된 고정 간선은 두꺼운 일반 간선으로 표시한다.
• 종속성 그래프의 구성 요소를 고립된 간선($k_3$)과 길이 2의 경로($k_4$)로 분류하며, 전이성과 가정 (H3)에 따라 최대 길이에 제약을 둔다.
• 순열 제약 조건 (H1) 및 (H2)을 활용하여 자유도를 세고, 주어진 $ (k_1, k_2, k_3, k_4) $ 에 대해 레이블이 부여된 종속성 그래프의 수에 대한 상계를 유도한다.
• 순간 상계와 渐近적 분석을 결합하여, 다중순간의 주요 기여 항이 $ \left( \frac{\lambda^2 (1-s)^2 (1 - c(\lambda s))^2}{2} \right)^{\ell_1 + \cdots + \ell_p} $ 임을 도출하며, 이는 비어 있지 않은 복원이 불가능함을 시사한다.

실험 결과

연구 질문

• RQ1 제시된 무작위 그래프 모델 하에서 그래프 정렬 문제에서 진짜 정점 매핑의 비어 있지 않은 분량을 복원할 수 있는가?
• RQ2 다중 치환에 걸친 정렬 지표의 다중순간의 渐近적 행동은 어떠한가?
• RQ3 원본 또는 치환된 그래프에서 공유되는 간선 제약 조건은 정렬 지표의 기대값에 어떻게 영향을 주는가?
• RQ4 종속성 그래프는 다중순간 전개에서 고기여도 항의 수에 어떤 구조적 제약을 둔다?
• RQ5 어떤 조건에서 순간 수렴이 부분적 복원이 불가능하다는 것을 암시하는가?

주요 결과

• 기대 다중순간 $ \mathbb{E}\left[\Delta(\sigma_1)^{\underline{\ell_1}} \cdots \Delta(\sigma_p)^{\underline{\ell_p}}\right] $ 은 $ n \to \infty $ 일 때 $ \left( \frac{\lambda^2 (1-s)^2 (1 - c(\lambda s))^2}{2} \right)^{\ell_1 + \cdots + \ell_p} $ 로 渐近적으로 수렴한다.
• 매개변수 $ (k_1, k_2, k_3, k_4) $ 를 가진 레이블이 부여된 종속성 그래프의 수는 $ \binom{k_1 + k_2 + k_3 + k_4}{k_3 + k_4} |\mathcal{S}|^{\ell_1 + \cdots + \ell_p - (k_1 + k_2 + k_3 + 2k_4)} \times (n^{1+t})^{k_3} \times n^{t k_4} $ 를 포함하는 항으로 상한이 제시되며, 이는 $ n $ 에 대해 다항식이다.
• 각 종속성 그래프 구성의 기여도는 $ q^{2(\ell_1 + \cdots + \ell_p) - (k_1 + k_2 + 2k_3 + 4k_4)} $ 로 상한이 제시되며, 이는 $ n^{-2(\ell_1 + \cdots + \ell_p) + (k_1 + k_2 + 2k_3 + 4k_4)} $ 로 감소한다.
• 겹치는 제약 조건을 가진 항의 총 수는 $ \binom{\ell_1 + \cdots + \ell_p}{2} \left( \frac{n^2}{2} \right)^{\ell_1 + \cdots + \ell_p - 1} $ 이하이며, 이는 총 항 수에 비해 지배적이지 않다.
• 순간의 하한은 $ \left( \frac{(1 - c(\lambda s))^2 n^2}{2} \right)^{\ell_1 + \cdots + \ell_p} \times \left( \frac{\lambda(1-s)}{n} \right)^{2(\ell_1 + \cdots + \ell_p)} $ 로 渐近적으로 수렴하며, 이는 주요 기여 항과 일치한다.
• 부분적 복원의 불가능성은 순간 수렴이 한없이 증가하는 한, 비어 있지 않은 정렬이 무작위 노이즈와 구별 불가능하다는 점에서 유도된다.