[논문 리뷰] Partial Recovery in the Graph Alignment Problem

Georgina Hall, Laurent Massoulié|arXiv (Cornell University)|2020. 07. 01.

Nanocluster Synthesis and Applications인용 수 4

한 줄 요약

이 논문은 관련 Erdős-Rényi 그래프에서 그래프 정렬 문제의 부분 복원에 대해 필수적이고 충분한 조건을 설정한다. 특정 희박성 및 상관 조건 하에서 $ nqs = \Theta(1) $일 때 부분 복원이 가능하다고 보여주며, 네트워크 디애너노미제이션 및 시스템 생물학과 같은 응용 분야에서 이 문제의 정보 이론적 한계를 해소하는 데 핵심적인 기여를 한다.

ABSTRACT

In this paper, we consider the graph alignment problem, which is the problem of recovering, given two graphs, a one-to-one mapping between nodes that maximizes edge overlap. This problem can be viewed as a noisy version of the well-known graph isomorphism problem and appears in many applications, including social network deanonymization and cellular biology. Our focus here is on partial recovery, i.e., we look for a one-to-one mapping which is correct on a fraction of the nodes of the graph rather than on all of them, and we assume that the two input graphs to the problem are correlated Erdős-Rényi graphs of parameters $(n,q,s)$. Our main contribution is then to give necessary and sufficient conditions on $(n,q,s)$ under which partial recovery is possible with high probability as the number of nodes $n$ goes to infinity. In particular, we show that it is possible to achieve partial recovery in the $nqs=Θ(1)$ regime under certain additional assumptions.

연구 동기 및 목표

• 그래프 정렬에서 부분 복원에 대한 이론적 이해 부족을 해결하며, 실용적으로 관련성이 있지만 이전 연구에서 다루지 않은 영역이다.
• 실제 응용 분야인 소셜 네트워크 디애너노미제이션 및 단백질 상호작용 네트워크 정렬을 관련 Erdős-Rényi 그래프 모델을 사용해 모델링한다. 모델 파라미터는 $ (n, q, s) $이다.
• 무한대에 가까워질 때 상수 분율 $ \alpha $의 노드가 높은 확률로 올바르게 정렬될 수 있는 정보 이론적 조건을 유도한다.
• 정확한 복원과 거의 정확한 복원 영역 사이의 격차를 메우기 위해 $ nqs = \Theta(1) $ 영역이 부분 복원에 대해 가능하다고 규명한다.
• Kullback-Leibler 발산과 스펙트럼 분석을 사용하여 필요 조건과 충분 조건을 모두 제공함으로써 단계적 전이를 완전히 특성화한다.

제안 방법

• 두 개의 관련 Erdős-Rényi 그래프 간의 노드 간 숨겨진 순열을 복원하는 문제로 그래프 정렬 문제를 수식화한다. 여기서 $ n $은 노드 수, $ q $는 간선 밀도를 제어하며, $ s $는 상관성을 제어한다.
• 부분 복원을 정의한다. 모든 노드나 점점 사라지는 분량 이외의 상수 분율 $ \alpha $의 노드만 정확히 정렬하는 것을 의미한다.
• 필요 조건으로 독립된 간선과 관련된 간선의 연합 분포 간 Kullback-Leibler 발산을 사용한다. 만약 이 발산이 너무 작아서 (상수 이하로) 떨어지면 부분 복원은 불가능하다.
• 스펙트럼 분석과 모멘트 생성 함수 기법을 통해 충분 조건을 확립한다. 이는 희박성 조건이 약간의 조건 하에서 $ nqs = \Theta(1) $일 때 부분 복원이 가능하다는 것을 보여준다.
• 행렬 재귀 관계와 고유값 분해를 적용하여 모멘트 생성 함수 $ \mathbb{E}[e^{tW}] $를 계산함으로써 정렬 점수의 기댓값에 대한 닫힌 형태의 표현식을 도출한다.
• 변분 경계에서 최적의 $ z^* $를 도출하기 위해 이차 방정식의 해를 활용한다. 이는 尾확률의 농도를 제어하고 농도 성질을 확립하는 데 사용된다.

실험 결과

연구 질문

• RQ1 무한대에 수렴할 때 $ n \to \infty $일 때, $ (n, q, s) $에 대해 어떤 조건에서 부분 복원이 높은 확률로 가능할 수 있는가?
• RQ2 영역 $ nqs = \Theta(1) $는 부분 복원에 충분한가? 정확한 복원 및 거의 정확한 복원 영역과 비교해 보면 어떻게 되는가?
• RQ3 간선의 상관성과 독립성 간 Kullback-Leibler 발산이 부분 복원 가능성을 결정하는 데 어떤 역할을 하는가?
• RQ4 관련 Erdős-Rényi 모델에서 스펙트럼 및 모멘트 기반 방법을 사용하여 부분 복원의 정보 이론적 한계를 특성화할 수 있는가?
• RQ5 희박성과 상관성 파라미터는 그래프 정렬에서 부분 복원의 임계값을 결정하는 데 어떻게 상호작용하는가?

주요 결과

• 부분 복원을 위한 필수 조건은 독립된 간선의 연합 분포와 관련된 간선의 연합 분포 간 Kullback-Leibler 발산이 0에서 멀리 떨어져 있어야 한다. 만약 이 발산이 $ o(1) $이면 부분 복원은 불가능하다.
• 그래프가 충분히 희박하고 상관성의 구조가 온건한 정규성 조건을 만족한다면, $ nqs = \Theta(1) $일 때 부분 복원이 가능하다.
• 기존에 알려진 정보 이론적 단계 전이를 확장한다. $ nqs = \log n + \omega(1) $일 때 정확한 복원이 가능하고, $ nqs = \omega(1) $일 때 거의 정확한 복원이 가능하지만, $ nqs = \Theta(1) $는 부분 복원의 임계값으로 규명된다.
• 분석은 모멘트 생성 함수 접근법과 재귀 행렬의 고유값 분해를 사용하여 정렬 점수의 기댓값에 대한 정확한 표현식을 도출한다.
• 경계에서 최적의 변분 매개변수 $ z^* $는 이차 방정식의 해를 통해 유도되며, 이는 정렬 점수의 尾확률에 대한 날카운 경계를 제공한다.
• 마지막으로 모멘트 생성 함수의 표현식은 $ \mathbb{E}[e^{tW}] = \alpha^{n+1} + \beta^{n+1} $로 단순화되며, 유도된 조건 하에서 오류 정렬 확률이 지수적으로 감소함을 확인한다.