[논문 리뷰] K-Core Minimization: A Game Theoretic Approach

Sourav Medya, Tiyani Ma외 2명|arXiv (Cornell University)|2019. 01. 08.

Complex Network Analysis Techniques참고 문헌 55인용 수 8

한 줄 요약

이 논문은 k-core의 크기를 최소화하기 위해 셰플리 값(Shapley values)을 활용한 게임 이론적 접근을 제안한다. 이는 가장 영향력 있는 간선을 식별하여 대규모 네트워크 내 k-core 구조를 효율적이고 효과적으로 파괴할 수 있도록 한다. 이 방법은 탐욕적 기반 대비 k-core 크기 최소화에서 뛰어난 성능을 보이며, 확률적 보장을 제공하는 랜덤화된 셰플리 값 근사화를 통해 강력한 확장성과 효과성을 입증하였다. 실제 그래프에서의 실험 결과, 이는 하드웨어 성능에 관계없이 빠른 처리 속도를 보였다.

ABSTRACT

K-cores are maximal induced subgraphs where all vertices have degree at least k. These dense patterns have applications in community detection, network visualization and protein function prediction. However, k-cores can be quite unstable to network modifications, which motivates the question: How resilient is the k-core structure of a network, such as the Web or Facebook, to edge deletions? We investigate this question from an algorithmic perspective. More specifically, we study the problem of computing a small set of edges for which the removal minimizes the $k$-core structure of a network. This paper provides a comprehensive characterization of the hardness of the k-core minimization problem (KCM), including innaproximability and fixed-parameter intractability. Motivated by such a challenge in terms of algorithm design, we propose a novel algorithm inspired by Shapley value -- a cooperative game-theoretic concept -- that is able to leverage the strong interdependencies in the effects of edge removals in the search space. As computing Shapley values is also NP-hard, we efficiently approximate them using a randomized algorithm with probabilistic guarantees. Our experiments, using several real datasets, show that the proposed algorithm outperforms competing solutions in terms of k-core minimization while being able to handle large graphs. Moreover, we illustrate how KCM can be applied in the analysis of the k-core resilience of networks.

연구 동기 및 목표

• 네트워크 내에서 전략적 간선 삭제를 통해 k-core 구조의 크기를 최소화하는 문제에 대응하기 위해.
• 단일 간선의 제거가 연쇄적 영향을 미칠 수 있는 k-core 내성에 영향을 미치는 간선 제거의 상호의존적 영향을 모델링하기 위해.
• 탐욕적 접근의 한계를 극복하기 위해 간선의 공동 기여도를 고려한 확장 가능한 알고리즘을 개발하기 위해.
• k-core 최소화 문제에 대한 이론적 난이도 결과, 즉 근사 불가능성 및 고정 매개변수 비처리 가능성(fixed-parameter intractability)을 제시하기 위해.
• k-core 최소화의 실용성을 바탕으로 인프라, 사회적, 생물학적 네트워크에서의 목표 지향적 간섭 전략을 안내하고 네트워크 내성 프로파일링에 기여하기 위해.

제안 방법

• 논문은 k-core 최소화 문제를 협력 게임으로 재구성하여, 간선을 플레이어로 간주하고 그 기여도를 셰플리 값으로 측정함으로써 간선 제거의 공동 효과를 포괄적으로 기록한다.
• 확률적 보장을 제공하는 랜덤 샘플링 알고리즘을 제안하여 셰플리 값을 효율적으로 근사화함으로써 대규모 그래프에 대한 확장성을 확보한다.
• 최대한의 k-core 파괴 효과를 얻기 위해 셰플리 값 근사치가 가장 높은 간선을 선택하며, 이는 조합적 의존성까지 고려한다.
• 이 방법은 상호의존성을 忽略하는 탐욕적 기반 대비 성능을 평가하기 위해 대조된다.
• 이론적 분석을 통해 k-core 최소화 문제가 k ≥ 3일 때 NP-난이도이며, 어떤 상수 요인 내에서도 근사 불가능하다는 점을 입증한다.
• 실제 그래프(최대 수십만 개의 노드와 수백만 개의 간선)에서 평가되었으며, 일반 데스크톱 컴퓨터에서 분당 이내의 실행 시간을 기록하였다.

실험 결과

연구 질문

• RQ1 간선 제거를 통한 k-core 구조 최소화의 계산 복잡도는 무엇이며, 다른 조합 최적화 문제와 비교해 볼 때 어떠한가?
• RQ2 간선 제거 간의 강력한 상호의존성을 어떻게 모델링할 수 있을까? 이를 통해 k-core 파괴의 효과성을 향상시킬 수 있는가?
• RQ3 이 문제에 대해 셰플리 값은 다항 시간 내에 효율적으로 근사화할 수 있는가? 그리고 이는 탐욕적 방법 대비 더 뛰어난 성능을 이끌어내는가?
• RQ4 제안된 방법이 실제 네트워크에서 k-core 크기 최소화에 있어 기존 기반 대비 얼마나 뛰어난 성능을 보이는가?
• RQ5 k-core 최소화는 실제 네트워크의 타겟된 간선 제거에 대한 내성 평가 및 프로파일링에 어떻게 활용될 수 있는가?

주요 결과

• k ≥ 3일 때 k-core 최소화 문제는 NP-난이도이며, 어떤 상수 요인 내에서도 근사 불가능하다는 점에서 근본적인 알고리즘적 제약가 존재한다.
• 제안된 셰플리 값 기반 알고리즘은 특히 간선 제거에 따른 연쇄적 영향을 잘 포착함으로써 탐욕적 기반 대비 k-core 크기 최소화에서 뚜렷한 성능 향상을 보였다.
• 랜덤화된 셰플리 값 근사화는 확률적 보장을 바탕으로 높은 품질의 결과를 도출하며, 수백만 개의 간선을 포함한 대규모 그래프에서도 효율적인 계산이 가능하다.
• 알고리즘은 효과적으로 확장 가능하여, 실생활의 대규모 네트워크(예: 사회적 네트워크 및 인프라 그래프)를 표준 데스크톱 컴퓨터에서 몇 분 내로 처리할 수 있었다.
• 이 방법은 네트워크 내성의 효과적인 프로파일링을 가능하게 하였으며, 목표 지향적 간선 제거가 k-core 구조의 비례를 초과하는 붕괴를 유도할 수 있음을 입증하였다.
• 실험 결과, 높은 셰플리 값 기반 간선 제거가 경계 이득 히وري스틱에 의해 선택된 간선보다 훨씬 더 큰 k-core 감소 효과를 유도하는 것으로 나타났다.