[논문 리뷰] Kirchhoff Index As a Measure of Edge Centrality in Weighted Networks: Nearly Linear Time Algorithms

Huan Li, Zhongzhi Zhang|arXiv (Cornell University)|2017. 08. 20.

Graph theory and applications인용 수 16

한 줄 요약

이 논문은 간선 무게 변화에 대한 키르히호프 지수의 민감도에 기반하여 가중치가 부여된 네트워크에서 간선 중요도를 측정하는 새로운 글로벌 측정법인 $\theta$-Kirchhoff 간선 중심성($\theta$-Kirchhoff edge centrality)을 제안한다. 이는 모든 간선에 대해 $\epsilon$-근사값을 거의 선형 시간 내에 계산할 수 있는 최초의 알고리즘을 제시하여, 증명 가능 보장과 함께 대규모 가중치 네트워크의 스케일러블 분석을 가능하게 한다.

ABSTRACT

Most previous work of centralities focuses on metrics of vertex importance and methods for identifying powerful vertices, while related work for edges is much lesser, especially for weighted networks, due to the computational challenge. In this paper, we propose to use the well-known Kirchhoff index as the measure of edge centrality in weighted networks, called $θ$-Kirchhoff edge centrality. The Kirchhoff index of a network is defined as the sum of effective resistances over all vertex pairs. The centrality of an edge $e$ is reflected in the increase of Kirchhoff index of the network when the edge $e$ is partially deactivated, characterized by a parameter $θ$. We define two equivalent measures for $θ$-Kirchhoff edge centrality. Both are global metrics and have a better discriminating power than commonly used measures, based on local or partial structural information of networks, e.g. edge betweenness and spanning edge centrality. Despite the strong advantages of Kirchhoff index as a centrality measure and its wide applications, computing the exact value of Kirchhoff edge centrality for each edge in a graph is computationally demanding. To solve this problem, for each of the $θ$-Kirchhoff edge centrality metrics, we present an efficient algorithm to compute its $ε$-approximation for all the $m$ edges in nearly linear time in $m$. The proposed $θ$-Kirchhoff edge centrality is the first global metric of edge importance that can be provably approximated in nearly-linear time. Moreover, according to the $θ$-Kirchhoff edge centrality, we present a $θ$-Kirchhoff vertex centrality measure, as well as a fast algorithm that can compute $ε$-approximate Kirchhoff vertex centrality for all the $n$ vertices in nearly linear time in $m$.

연구 동기 및 목표

• 가중치 네트워크에서 효과적이고 글로벌적으로 민감한 간선 중심성 측정법의 부재를 해결하기 위해.
• 대규모 네트워크에서 정확한 키르히호프 지수 기반 간선 중심성 계산의 계산 불가능성을 극복하기 위해.
• 거의 선형 시간 내에 효율적이고 증명 가능한 정확도를 갖는 간선 중심성 추정을 위한 알고리즘을 개발하기 위해.
• 프레임워크를 정점 중심성 및 다중 간선 중심성 추정으로 확장하기 위해.

제안 방법

• 간선의 무게를 $\theta w(e)$로 감소시켰을 때 키르히호프 지수의 증가량으로 $\theta$-Kirchhoff 간선 중심성을 정의하여 그 구조적 중요도를 캡처한다.
• 우드베리 행렬 항등식을 사용하여 키르히호프 지수 증가량을 래플라시안의 의사역행렬과 랭크-일치 업데이트 행렬을 포함하는 트레이스로 표현한다.
• 무작위 스케치 및 리커브 스코어 샘플링을 적용하여 행렬 곱의 트레이스를 효율적으로 근사한다.
• 무작위 벡터의 반복적 샘플링을 통해 이차형식 $\mathbf{y}^\top \mathbf{C}_v \mathbf{y}$를 추정하여, 높은 확률로 트레이스를 근사한다.
• 농도 불등식을 활용하여 다수의 근사값을 조합하여 높은 확률로 $\epsilon$-정확도를 달성한다.
• 정점에 연결된 모든 간선을 제거했을 때의 키르히호프 지수 변화를 정의하여 정점 중심성을 확장한다.

실험 결과

연구 질문

• RQ1 키르히호프 지수는 가중치 네트워크에서 간선 중심성의 글로벌이고 민감한 측정법으로 사용될 수 있는가?
• RQ2 증명 가능한 오차 한계를 갖는 거의 선형 시간 내에 모든 간선에 대해 키르히호프 간선 중심성을 근사할 수 있는가?
• RQ3 제안된 $\theta$-Kirchhoff 중심성은 기존의 국소적 또는 부분적 측정법(예: 간선 중간성 또는 스패닝 간선 중심성)에 비해 구분 능력에서 어떻게 비교되는가?
• RQ4 이 프레임워크는 정점 중심성 및 다중 간선 중심성 추정으로 확장될 수 있는가?
• RQ5 다양한 $\theta$ 영역에서 서로 다른 알고리즘적 접근법 간의 이론적 및 실용적 상충 관계는 어떠한가?

주요 결과

• 실험 평가에서 제안된 $\theta$-Kirchhoff 간선 중심성 측정법은 간선 중간성, 스패닝 간선 중심성, 현재 흐름 중심성에 비해 뛰어난 구분 능력을 보였다.
• 논문은 모든 $m$개의 간선에 대해 $\epsilon$-근사값을 $O(m \cdot \text{poly}(\log n, \epsilon^{-1}))$ 시간 내에 계산하는 두 가지 거의 선형 시간 알고리즘을 제시하였다.
• 무작위 스케치 및 랜덤 벡터 기반 트레이스 추정 기법을 활용하여 높은 확률로 $\epsilon$-정확도를 달성하였다.
• 정점 중심성에 대한 방법은 간선 수 $m$에 대해 거의 선형 시간 내에 모든 $n$개의 정점에 대해 $\epsilon$-근사값을 도출한다.
• 이론적 분석에 따르면 근사 오차는 높은 확률로 $\epsilon$ 이내로 제한되며, 이는 농도 불등식과 행렬 섭동 이론에 기반한다.
• 이 프레임워크는 간선 집합의 중심성 추정으로 확장 가능하여, $k$개의 가장 영향력 있는 간선을 효율적으로 식별할 수 있는 길을 열어 놓았다.