[논문 리뷰] On decomposable random graphs

Mohamad Elmasri|arXiv (Cornell University)|2017. 10. 09.

Complex Network Analysis Techniques참고 문헌 10인용 수 3

한 줄 요약

이 논문은 잠재적 트리에 의해 조건부 독립성을 강제함으로써 마르코프 체인 몬테카를로 업데이트를 단순화하는 트리에 의존하는 이분 그래프를 사용한 분해 가능 무작위 그래프 모델링을 위한 새로운 프레임워크를 제안한다. 이 방법은 효율적인 샘플링과 정확한 우도 인수분해를 가능하게 하며, 잡합 트리 구조를 유지하고 하위 군집 동역학을 명시적으로 모델링할 수 있다.

ABSTRACT

Decomposable graphs are known for their tedious and complicated Markov update steps. Instead of modelling them directly, this work introduces a class of tree-dependent bipartite graphs that span the projective space of decomposable graphs. This is achieved through dimensionality expansion that causes the graph nodes to be conditionally independent given a latent tree. The Markov update steps are thus remarkably simplified. Structural modelling with tree-dependent bipartite graphs has additional benefits. For example, certain properties that are hardly attainable in the decomposable form are now easily accessible. Moreover, tree-dependent bipartite graphs can extract and model extra information related to sub-clustering dynamics, while currently known models for decomposable graphs do not. Properties of decomposable graphs are also transferable to the expanded dimension, such as the attractive likelihood factorization property. As a result of using the bipartite representation, tools developed for random graphs can be used. Hence, a framework for random tree-dependent bipartite graphs, thereupon for random decomposable graphs, is proposed.

연구 동기 및 목표

• 분해 가능 그래프에서 마르코프 체인 업데이트의 계산 복잡성을 줄이기 위해 복잡한 조건부 의존성으로 인해 저해되는 문제를 해결한다.
• 잠재적 트리 구조를 가진 고차원 이분 공간에 임bedding함으로써 분해 가능 그래프의 구조 모델링을 단순화한다.
• 잠재 트리에 의해 조건부 독립성을 확보함으로써 노드 업데이트를 분리함으로써 빠르고 병렬화 가능한 샘플링을 가능하게 한다.
• 기존에 고차원 설정에서 계산이 어려운 최대 클리크와 잡합 트리에 직접적인 액세스를 제공한다.
• 특히 점 프로세스 표현을 포함한 랜덤 그래프 이론의 도구들을 분해 가능 그래프 모델에 확장한다.

제안 방법

• 노드가 잠재적 트리 구조에 의해 조건부 독립이 되도록, 트리에 의존하는 이분 표현을 통해 분해 가능 그래프를 모델링한다.
• 차원 확장을 사용하여 인접 구조를 노드와 잠재적 커뮤니티 간의 이진 행렬 Z*로 표현하며, 간선 지표 s_ki 는 지수분포 및 절단 지수분포에 의해 제어된다.
• 트리 T_G 가 주어진 조건부 밀도 (Z*, S) 를 친화도 매개변수 ϑ’_k 와 ϑ_i 를 포함한 지수항의 곱으로 정의하며, 간선 존재 여부를 위한 지시 함수를 포함한다.
• 공액 사전분포(예: 감마 분포)를 사용하여 친화도 매개변수에 대해 조건부로 Z* 를 T 에 대해 업데이트하고, T 를 Z* 에 대해 업데이트하는 반복적 기브스 샘플링을 구현한다.
• 칼렌베르크 표현 정리(정리)를 활용하여 그래프를 연속적인 점 프로세스로 모델링하며, 친화도 함수 W 를 고정된 확률분포를 가진 것으로 간주한다.
• 간선 지표 s_ki 는 절단 지수분포를 사용하며, z*_{ki} = 0 또는 1 인지에 따라 다른 매개변수화 방식을 적용한다.

실험 결과

연구 질문

• RQ1 고차원 이분 공간에 임베딩함으로써 분해 가능 그래프에 대한 마르코프 체인 업데이트를 단순화할 수 있는가?
• RQ2 잠재적 트리를 통해 노드 간의 조건부 독립성을 유도하여 업데이트 단계를 분리할 수 있는가?
• RQ3 이 표현 방식이 우도 인수분해 및 모델 추론 효율성에 어떤 영향을 미치는가?
• RQ4 이 프레임워크에서 하위 군집 동역학과 최대 클리크 구조를 명시적으로 모델링할 수 있는가?
• RQ5 기존의 랜덤 그래프 도구, 특히 점 프로세스 표현 방식을 분해 가능 그래프 모델에 얼마나 잘 적응시킬 수 있는가?

주요 결과

• 제안된 트리에 의존하는 이분 모델은 잠재 트리에 의해 조건부 독립성을 확보함으로써 노드의 동시에 병렬 업데이트를 가능하게 하여 계산 복잡도를 극적으로 감소시킨다.
• 트리 T_G 가 주어진 조건부 밀도 (Z*, S) 는 친화도 매개변수와 간선 지표를 포함한 지수항의 곱으로 명시적으로 인수분해된다.
• 친화도 매개변수 ϑ’_k 와 ϑ_i 의 사후분포는 공액이며 해석 가능하며, 전체 조건부 밀도는 감마 형태에 비례한다.
• 간선 지표 s_ki 는 절단 지수분포를 통해 업데이트되며, Z* 에서 간선 존재 여부에 따라 다른 매개변수화 방식을 사용한다.
• 이 프레임워크는 원래의 분해 가능 그래프 성질과 유사하게 정확한 우도 인수분해를 가능하게 하며, 클리크와 분리자에 대한 인수분해의 주요 통계적 이점을 유지한다.
• 이 모델은 기존에 고차원 분해 가능 그래프에서 계산하거나 샘플링하기 어려운 최대 클리크 집합과 잡합 트리 구조에 직접 액세스할 수 있다.