[논문 리뷰] Latent Distance Estimation for Random Geometric Graphs

Ernesto Araya, Yohann de Castro|arXiv (Cornell University)|2019. 09. 15.

Topological and Geometric Data Analysis참고 문헌 23인용 수 6

한 줄 요약

이 논문은 구면 위의 무작위 기하 그래프에서 잠재 쌍별 거리의 스펙트럼 추정기를 제안한다. 구면 조화함수와 고유값 분해를 활용하여 대략적인 로그 인자까지 비모수적 추정 속도를 달성한다. 이 방법은 연결 함수에 대한 사전 지식 없이도 잠재 거리와 잠재 공간의 차원을 일관되게 추정한다.

ABSTRACT

Random geometric graphs are a popular choice for a latent points generative model for networks. Their definition is based on a sample of $n$ points $X_1,X_2,\cdots,X_n$ on the Euclidean sphere~$\mathbb{S}^{d-1}$ which represents the latent positions of nodes of the network. The connection probabilities between the nodes are determined by an unknown function (referred to as the "link" function) evaluated at the distance between the latent points. We introduce a spectral estimator of the pairwise distance between latent points and we prove that its rate of convergence is the same as the nonparametric estimation of a function on $\mathbb{S}^{d-1}$, up to a logarithmic factor. In addition, we provide an efficient spectral algorithm to compute this estimator without any knowledge on the nonparametric link function. As a byproduct, our method can also consistently estimate the dimension $d$ of the latent space.

연구 동기 및 목표

• 구면 위의 기하 거리에 따라 연결 확률이 결정되는 무작위 기하 그래프에서 쌍별 잠재 거리를 추정하기 위해.
• 알 수 없는 연결 함수에 대한 사전 지식이 필요 없는 방법을 개발하기 위해.
• 단일 그래프 실현값으로부터 잠재 공간의 차원 $ d $ 를 일관되게 추정하기 위해.
• 구면 위에서 비모수적 함수 추정과 동일한 속도를 달성하는 것, 로그 인자까지 허용하여.

제안 방법

• 관측된 그래프의 인접행렬을 입력으로 사용하고, 잠재 점들의 집단 Gram 행렬을 추정하기 위해 스펙트럼 분해를 적용한다.
• 고유함수는 고정되어 있고 고유값은 다항식 차수와 차원 $ d $ 에만 의존하는 구면 조화함수의 스펙트럼 구조를 활용한다.
• 잠재 거리 행렬을 복구하기 위해 수정된 고유값 임계값 절단 절차를 활용한 새로운 스펙트럼 추정기를 구성한다.
• 후보 값들로부터 잠재 차원 $ d $ 를 추정하기 위해 점수 기반 접근법, 특히 $ \operatorname{Gap}_{1}(\hat{T}_n) $ 를 사용한다.
• 이 방법은 알려지지 않은 연결 함수에 대해 강건하며, 차원 후보 집합 외에는 조정 파rameter 가 필요하지 않다.
• 잠재 기하학적 구조에 해당하는 고유공간을 식별하는 스펙트럼 클러스터링 유사 알고리즘(HEiC)을 통해 구현된다.

실험 결과

연구 질문

• RQ1 알 수 없는 연결 함수가 있을 때, 구면 위의 무작위 기하 그래프에서 노드 간의 잠재 쌍별 거리를 일관되게 추정할 수 있는가?
• RQ2 이러한 잠재 거리 추정기의 통계적 수렴 속도는 무엇인가?
• RQ3 이 방법은 단일 그래프 관측으로부터 진짜 잠재 차원 $ d $ 를 복구할 수 있는가?
• RQ4 구면 조화함수의 스펙트럼 구조는 이 모델에서 일관된 추정을 어떻게 가능하게 하는가?
• RQ5 비모수적 함수 추정과 비교할 때, 제안된 추정기는 속도 최적성에 도달하는가?

주요 결과

• 제안된 스펙트럼 추정기는 $ \mathbb{S}^{d-1} $ 위에서 비모수적 함수 추정과 동일한 수렴 속도를 달성하며, 로그 인자까지 허용한다.
• 모델 가정 하에 높은 확률로 후보 값에 대한 점수 기반 선택을 통해 잠재 차원 $ d $ 를 일관되게 추정한다.
• 실험 결과는 Gram 행렬 추정기의 평균 제곱오차가 $ n $ 이 증가함에 따라 감소함을 보여 이론적 속도를 확인한다.
• 노드 수 $ n=1000 $ 인 시뮬레이션에서, 후보 집합에 $ d_{\text{max}}=15 $ 가 포함되어 있어도 진짜 차원 $ d=3 $ 을 성공적으로 식별한다.
• 연결 함수가 알려지지 않은 경우에도 방법이 강건하며, 구면의 스펙트럼 구조 덕분에 효율적이고 일관된 추정이 가능하다.
• 스펙트럼 갭 $ \operatorname{Gap}_1(W) > 0 $ 이라는 가정 하에 이론적 보장이 유지되며, 이는 잠재 기하학적 구조의 식별 가능성을 보장한다.