[논문 리뷰] Isomorphisms in Multilayer Networks

Mikko Kivelä, Mason A. Porter|arXiv (Cornell University)|2015. 06. 01.

Complex Network Analysis Techniques인용 수 1

한 줄 요약

이 논문은 정점 레이블, 층 레이블 또는 둘 다에 대한 순열을 기반으로 다층 네트워크로 그래프 이sov머피즘을 일반화한다. 다층 네트워크 이sov머피즘 문제를 정점 색칠된 그래프 이sov머피즘 문제로 감소시켜, 기존 소프트웨어의 사용이 가능하고, 문제의 계산 복잡도 클래스가 그래프 이sov머피즘 문제와 동일하다는 것을 증명한다. 이 프레임워크는 다층, 시간적, 상호연결 네트워크 간의 이sov머피즘 정의를 통합한다.

ABSTRACT

We extend the concept of graph isomorphisms to multilayer networks with any number of "aspects" (i.e., types of layering). In developing this generalization, we identify multiple types of isomorphisms. For example, in multilayer networks with a single aspect, permuting vertex labels, layer labels, and both vertex labels and layer labels each yield different isomorphism relations between multilayer networks. Multilayer network isomorphisms lead naturally to defining isomorphisms in any of the numerous types of networks that can be represented as a multilayer network, and we thereby obtain isomorphisms for multiplex networks, temporal networks, networks with both of these features, and more. We reduce each of the multilayer network isomorphism problems to a graph isomorphism problem, where the size of the graph isomorphism problem grows linearly with the size of the multilayer network isomorphism problem. One can thus use software that has been developed to solve graph isomorphism problems as a practical means for solving multilayer network isomorphism problems. Our theory lays a foundation for extending many network analysis methods --- including motifs, graphlets, structural roles, and network alignment --- to any multilayer network.

연구 동기 및 목표

• 다양한 측면(예: 층, 시간, 연결 유형)을 가진 다층 네트워크에서 이sov머피즘 관계를 형식화하기 위해.
• 다층, 시간적, 상호연결 네트워크와 같은 다양한 네트워크 유형 간의 이sov머피즘 정의를 단일 이론적 프레임워크 아래 통합하기 위해.
• 실제 계산을 위해 다층 네트워크 이sov머피즘 문제를 표준 정점 색칠된 그래프 이sov머피즘 문제로 감소시키기 위해.
• 다층 네트워크 이sov머피즘이 그래프 이sov머피즘과 계산적으로 동일하게 작동하며, 동일한 복잡도 클래스에 속한다는 것을 확립하기 위해.

제안 방법

• 정점과 층에 작용하는 순열군을 통해 다층 네트워크 이sov머피즘을 정의하며, 정점, 층, 그리고 동시 순열을 구분한다.
• 다층 네트워크 M을 정점 색칠된 그래프 G로 매핑하는 함수 fp를 구성하여 구조적 동치성을 유지한다.
• 함수 gp를 사용해 다층 네트워크에서 정점 색칠된 그래프로 순열을 옮겨 이sov머피즘 호환성을 보장한다.
• M ≅p M′이면 fp(M) ≅ fp(M′)임을 증명하여 다층 이sov머피즘 문제를 표준 그래프 이sov머피즘 문제로 감소시킨다.
• 감소가 시간에 대해 다항식, 공간에 대해 선형임을 입증하여 기존 GI 소프트웨어의 사용이 가능하도록 한다.
• 구체적인 예시를 통해 다층, 시간적, 상호연결 네트워크의 이sov머피즘을 이 프레임워크에 적용한다.

실험 결과

연구 질문

• RQ1 시간, 연결 유형, 상호의존성 등 여러 측면을 가진 다층 네트워크로 그래프 이sov머피즘을 어떻게 일반화할 수 있는가?
• RQ2 정점, 층, 또는 둘 다를 순열함으로써 다층 네트워크에서 발생하는 서로 다른 이sov머피즘 유형은 무엇인가?
• RQ3 다층 네트워크 이sov머피즘 문제를 표준 그래프 이sov머피즘 문제로 감소시킬 수 있으며, 이때 구조적 동치성이 유지되는가?
• RQ4 다층 네트워크 이sov머피즘의 계산 복잡도는 무엇이며, 그래프 이sov머피즘 문제와 어떻게 관련이 있는가?
• RQ5 이 프레임워크는 다층 및 시간적 네트워크와 같은 다양한 네트워크 유형 간의 이sov머피즘 정의를 어떻게 통합하는가?

주요 결과

• 다층 네트워크 이sov머피즘은 다항식 시간 내에 정점 색칠된 그래프 이sov머피즘 문제로 감소되며, 변환된 그래프의 크기는 원래 다층 네트워크의 크기와 선형적으로 증가한다.
• 다층 네트워크 간의 이sov머피즘 관계 ∼=p는 매핑 fp에 따라 대응하는 정점 색칠된 그래프의 이sov머피즘과 동치이다.
• 이 프레임워크는 기존 그래프 이sov머피즘 소프트웨어를 사용하여 다층 네트워크 이sov머피즘 문제를 해결할 수 있게 하여 실용적 적용 가능성을 크게 향상시킨다.
• 다층 네트워크 이sov머피즘의 계산 복잡도는 그래프 이sov머피즘과 동일한 클래스에 속하며, 실용적 사용에 대한 타당성을 확인한다.
• 이론은 모티프, 그래프릿, 구조적 역할, 네트워크 정렬과 같은 네트워크 분석 도구를 어떤 다층 네트워크 구조로도 확장할 수 있는 통합 기반을 제공한다.
• 감소 이sov머피즘은 단사적이며 구조를 유지하므로, 다층 네트워크의 이sov머피즘이 정점 색칠된 그래프 표현에서 정확히 해당 이sov머피즘과 대응한다.