[논문 리뷰] On the NP-Completeness of Some Graph Cluster Measures

Jiřı́ Šı́ma, Schaeffer, Satu Elisa|ArXiv.org|2005. 06. 29.

Advanced Clustering Algorithms Research인용 수 17

한 줄 요약

이 논문은 네 가지 핵심 그래프 클러스터 품질 측정 지표인 도전도, 국소 밀도, 상대 밀도, 단일 클러스터 편집에 대한 决정 문제의 NP-완전성을 증명한다. 기존에 알려진 NP-완전 문제들인 Max Cut–3 및 Min Bisection–3와 같은 다항 시간 축소를 통해, 그래프 클러스터링을 위한 널리 사용되는 적합도 함수 최적화가 계산적으로 비가역적임을 엄밀히 입증하며, 문헌에서 오랫동안 가정되어 온 문제를 해결한다.

ABSTRACT

Graph clustering is the problem of identifying sparsely connected dense subgraphs (clusters) in a given graph. Proposed clustering algorithms usually optimize various fitness functions that measure the quality of a cluster within the graph. Examples of such cluster measures include the conductance, the local and relative densities, and single cluster editing. We prove that the decision problems associated with the optimization tasks of finding the clusters that are optimal with respect to these fitness measures are NP-complete.

연구 동기 및 목표

• 기존 문헌에서 가정되었지만 엄밀히 증명되지 않은 주요 그래프 클러스터 적합도 측정 지표에 대한 결정 문제의 NP-완전성을 공식적으로 입증하기 위해.
• 특히 도전도 및 밀도 기반 측정 지표에 대한 최적화 작업의 복잡도 증명이 부족한 문제를 해결하기 위해.
• 기존에 알려진 NP-완전 문제들(예: Max Cut–3 및 Min Bisection–3)에서 도전도, 국소 밀도, 상대 밀도, 단일 클러스터 편집의 결정 문제로의 다항 시간 축소를 제공하기 위해.
• 데이터 마이닝, VLSI 설계, 네트워크 분석 등에서 널리 사용되는 클러스터 품질 함수 최적화의 계산적 난이도를 명확히 하기 위해.

제안 방법

• 삼각형 그래프의 여집합의 두 개의 분리된 복제본을 구성하여, NP-완전 문제인 Max Cut–3를 최소 도전도 결정 문제로 축소한다.
• 원래 그래프에 큰 컷이 존재할 경우에만 도전도가 임계값 이하로 제한되는 변환된 그래프를 구성함으로써, 도전도 최적화의 NP-난이도를 증명한다.
• NP-완전 문제인 Min Bisection–3를 상대 밀도 결정 문제로 축소하기 위해, 분할 크기 a에 기반한 유리수 임계값 r을 설정한다.
• 각 정점의 차수가 3인 삼각형 그래프 성질을 활용하여 부분그래프 내 간선 수의 정확한 표현을 유도함으로써, 분할 크기에서 밀도 임계값으로의 정밀한 축소를 가능하게 한다.
• Min Bisection–3를 1–클러스터 편집 결정 문제로 축소하기 위해, 분할 크기 a와 그래프 크기 n에 따라 달라지는 임계값 m을 정의한다.
• 클러스터 편집 비용 공식 ε_G(S) = C(|S|,2) - |E(S)| + c_G(S)의 대수적 변환을 활용하여, 편집 비용 ≤ m과 컷 크기 ≤ a 사이의 동치성을 입증한다.

실험 결과

연구 질문

• RQ1 무향 그래프에서 최소 도전도 클러스터를 찾는 결정 문제는 NP-완전인가?
• RQ2 k개 정점의 부분집합 중 최대 국소 밀도를 갖는 것이 NP-완전인가?
• RQ3 k개 정점의 부분집합 중 최대 상대 밀도를 갖는 것이 NP-완전인가?
• RQ4 최대 m개의 간선 연산으로 클러스터로 만들 수 있는 k개 정점 부분집합을 찾는 결정 문제는 NP-완전인가?
• RQ5 이러한 클러스터 품질 측정 지표의 NP-완전성은 알려진 NP-완전 문제에서의 다항 시간 축소를 통해 엄밀히 증명될 수 있는가?

주요 결과

• 최소 도전도 결정 문제는 Max Cut–3 문제에서의 다항 시간 축소를 통해 NP-완전임을 입증하였다.
• 국소 밀도 결정 문제는 r = 1일 때 NP-완전인 클리크 문제로 일반화되므로 NP-완전이다.
• 상대 밀도 결정 문제는 Min Bisection–3 문제에서의 축소를 통해 임계값 r = (3n - 2a)/(3n + 2a)로 NP-완전임을 입증하였다.
• 1–클러스터 편집 결정 문제는 Min Bisection–3 문제에서의 축소를 통해 임계값 m = (12a + n(n - 8))/8로 NP-완전임을 입증하였다.
• 도전도, 국소 밀도, 상대 밀도, 단일 클러스터 편집의 네 가지 클러스터 품질 측정 지표 모두 결정 문제가 NP-완전하며, 이는 이들의 계산적 비가역성을 확인한다.
• 결과적으로 이 연구는 클러스터링 문헌에서 오랫동안 가정되어 온, 이러한 적합도 함수 최적화의 난이도에 대한 공식적인 정당성을 제시한다.