[논문 리뷰] On sequential structures in incompressible multidimensional networks

Felipe S. Abrahão, Klaus Wehmuth외 2명|arXiv (Cornell University)|2018. 12. 04.

Graph theory and applications참고 문헌 29인용 수 4

한 줄 요약

이 논문은 알고리즘적 정보 이론을 사용하여 다차원 네트워크에서 알고리즘적 압축 불가능성(algorithmic incompressibility)을 조사하며, 스크래치다이내믹(snapshot-dynamic) 및 멀티플렉스 네트워크가 일반적인 다이나믹 또는 다층 네트워크와 달리 시간 인스턴스 수나 층 수에 비례하는 선형적 알고리즘적 정보를 지닌다는 것을 보여준다. 반면 일반적인 다차원 네트워크에서는 제곱형 증가를 보인다. 결과적으로, 압축 불가능성은 일반적인 다차원 네트워크에서 시간 간행 또는 층 간 연결과 같은 구조적 제약 조건을 암시한다.

ABSTRACT

In order to deal with multidimensional structure representations of real-world networks, as well as with their worst-case irreducible information content analysis, the demand for new graph abstractions increases. This article investigates incompressible multidimensional networks defined by generalized graph representations. In particular, we mathematically study the lossless incompressibility of snapshot-dynamic networks and multiplex networks in comparison to the lossless incompressibility of more general forms of dynamic networks and multilayer networks, from which snapshot-dynamic networks or multiplex networks are particular cases. Our theoretical investigation first explores fundamental and basic conditions for connecting the sequential growth of information with sequential interdimensional structures such as time in dynamic networks, and secondly it presents open problems demanding future investigation. Although there may be a dissonance between sequential information dynamics and sequential topology in the general case, we demonstrate that incompressibility dissolves it, preventing both the algorithmic dynamics and the interdimensional structure of multidimensional networks from displaying a snapshot-like behavior (as characterized by any arbitrary mathematical theory). Thus, beyond methods based on statistics or probability as traditionally seen in random graphs and complex networks models, representational incompressibility implies a necessary underlying constraint in the multidimensional network topology. We argue that the study of how isomorphic transformations and their respective algorithmic information distortions can characterize sequential interdimensional structures in (multidimensional) networks helps the analysis of network topological properties while being agnostic to the chosen theory, algorithm, computation model, and programming language.

연구 동기 및 목표

• 알고리즘적 정보 이론을 적용하여 다차원 네트워크의 최악의 경우 손실 없는 압축 가능성을 분석하기.
• 스냅샷다이내믹 및 멀티플렉스 네트워크의 알고리즘적 정보 내용을 일반적인 다이나믹 및 다층 네트워크와 비교하기.
• 다차원 네트워크 구조에서 압축 불가능성에 의해 암시되는 위상적 제약 조건 식별하기.
• 압축 불가능한 다차원 네트워크에서 시간 간행 및 층 간 연결의 역할 조사하기.
• 복잡한 네트워크 분석에서 네트워크 요약 및 가역성에 대한 이론적 기초 마련하기.

제안 방법

• 에지 집합의 알고리즘적 복잡도에 중점을 두고 네트워크 표현의 압축 불가능성 분석을 위해 알고리즘적 정보 이론 적용하기.
• 알고리즘적 복잡도 측정의 언어 독립성을 보장하기 위해 불변성 정리(invariance theorem) 사용하기.
• 특히 시간 인스턴스 수나 층 수에 관해 일반화된 다차원 네트워크의 알고리즘적 정보 내용 수학적 분석하기.
• 스냅샷다이내믹 및 멀티플렉스 네트워크의 알고리즘적 정보에 대한 경계 유도하기; 시간 인스턴스 수나 층 수에 대한 선형 의존성 입증하기.
• 공식적인 네트워크 표현 프레임워크를 통해 다차원 네트워크 결과를 다층 및 다이나믹 네트워크 추상화로 확장하기.
• 이론적 결과를 바탕으로 한 위상적 성질—예를 들어 짧은 지름, 높은 k-연결성, 및 표준편차가 작은 네트워크 크기의 절반 수준의 차수 분포—식별하기.

실험 결과

연구 질문

• RQ1 스냅샷다이내믹 및 멀티플렉스 네트워크에서 알고리즘적 정보 내용은 시간 인스턴스 수나 층 수에 따라 어떻게 스케일링되는가?
• RQ2 스냅샷 유형의 다차원 네트워크와 일반적인 다차원 네트워크 간의 알고리즘적 정보 내용은 무엇이 다른가?
• RQ3 압축 불가능한 다차원 네트워크에 반드시 존재하는 위상적 성질은 무엇인가?
• RQ4 압축 불가능한 다차원 네트워크에서 시간 간행 또는 층 간 연결이 반드시 존재하는가, 그 의미는 무엇인가?
• RQ5 알고리즘적 압축 불가능성이 실제 또는 인공 네트워크의 기초 네트워크 위상에 어떻게 제약을 가하는가?

주요 결과

• 압축 불가능한 스퍼샷다이내믹 및 멀티플렉스 네트워크의 알고리즘적 정보 내용은 시간 인스턴스 수나 층 수에 비례하는 선형적 형태로 지배된다.
• 반면 일반적인 다이나믹 또는 다층 네트워크는 시간 인스턴스 수나 층 수에 대해 제곱형 알고리즘적 정보 내용을 보인다.
• 압축 불가능한 일반적인 다차원 네트워크는 반드시 시간 간행 또는 층 간 연결을 포함하며, 이는 시간 또는 층 간 비순차적 연결을 암시한다.
• 이러한 네트워크는 짧은 지름, 높은 k-연결성, 그리고 표준편차가 작은 네트워크 크기의 절반 수준의 차수 분포를 포함하는 강력한 위상적 제약 조건을 보인다.
• 결과적으로, 알고리즘적 압축 불가능성은 다차원 네트워크 위상에서 비순차적 연결의 존재와 같은 구조적 제약 조건을 강제함을 암시한다.
• 이러한 발견은 네트워크 요약 및 가역성 도구가 핵심 네트워크 성질을 유지하기 위해 이러한 압축 불가능성에 기인한 제약 조건을 고려해야 한다는 것을 시사한다.