[논문 리뷰] Prioritized Metric Structures and Embedding

Michael Elkin, Arnold Filtser외 1명|arXiv (Cornell University)|2015. 02. 19.

Complexity and Algorithms in Graphs참고 문헌 25인용 수 7

한 줄 요약

이 논문은 사전에 정의된 순위에 기반해 고우선도 정점에 대해 개선된 스트레치, 왜곡, 레이블 크기 및 차원을 제공하는 우선순위 기반 메트릭 데이터 구조 및 임bedding을 소개한다. 이는 정점 순위에 따라 서비스 품질이 점진적으로 저하되는 우선순위 기반 성능을 달성하면서도, 고전적 비우선순위 대응 구조와 동일한 최악의 경우 공간 및 크기 범위를 유지한다.

ABSTRACT

Metric data structures (distance oracles, distance labeling schemes, routing schemes) and low-distortion embeddings provide a powerful algorithmic methodology, which has been successfully applied for approximation algorithms \cite{llr}, online algorithms \cite{BBMN11}, distributed algorithms \cite{KKMPT12} and for computing sparsifiers \cite{ST04}. However, this methodology appears to have a limitation: the worst-case performance inherently depends on the cardinality of the metric, and one could not specify in advance which vertices/points should enjoy a better service (i.e., stretch/distortion, label size/dimension) than that given by the worst-case guarantee. In this paper we alleviate this limitation by devising a suit of {\em prioritized} metric data structures and embeddings. We show that given a priority ranking $(x_1,x_2,\ldots,x_n)$ of the graph vertices (respectively, metric points) one can devise a metric data structure (respectively, embedding) in which the stretch (resp., distortion) incurred by any pair containing a vertex $x_j$ will depend on the rank $j$ of the vertex. We also show that other important parameters, such as the label size and (in some sense) the dimension, may depend only on $j$. In some of our metric data structures (resp., embeddings) we achieve both prioritized stretch (resp., distortion) and label size (resp., dimension) {\em simultaneously}. The worst-case performance of our metric data structures and embeddings is typically asymptotically no worse than of their non-prioritized counterparts.

연구 동기 및 목표

• 기존 메트릭 데이터 구조 및 임베딩의 한계를 해결한다. 이는 성능 보장이 총 점의 수에만 의존할 뿐 사용자가 지정한 우선순위에는 영향을 받지 않는다.
• 사전 정의된 우선순위를 통해 정점/점들을 우선순위화할 수 있도록 하여, 고순위 정점이 더 나은 스트레치, 왜곡, 레이블 크기 또는 차원을 경험하도록 한다.
• 고우선도 점들에 대해 여러 매개변수(예: 스트레치와 레이블 크기)를 동시에 최적화하는 데이터 구조 및 임베딩을 설계한다.
• 비우선순위 대응 구조의 최악의 경우 성능 이론을 빛나게 하되, 저우선도 점들에 대해 성능이 악화되지 않도록 한다.

제안 방법

• 사전에 정점 $ (x_1, x_2, \ldots, x_n) $ 의 우선순위 순위를 정의하며, $ x_j $ 는 순위 $ j $ 를 가진다. 이 순위에 맞게 성능을 최적화하는 구조를 설계한다.
• 모든 $ x_j $ 를 포함하는 쌍에 대해 스트레치 $ 2\big\lceil t \cdot \frac{\log j}{\log n} \big\rceil - 1 $ 을 갖는 거리 오라클 및 레이블링 체계를 구축한다. 이는 표준 $ 2t - 1 $ 의 경계를 초월한다.
• 임의의 상수 $ \epsilon > 0 $ 에 대해 $ O(\log n) $-차원 유클리드 공간으로의 임베딩을 개발하며, 우선순위 기반 왜곡은 $ O(\log j \cdot (\log \log j)^{1/2 + \epsilon}) $ 이다.
• 전체 임베딩 차원이 크더라도 고우선도 점들이 뿐만 아니라 $ O(\text{poly}(\log j)) $ 좌표만 사용하는 '활성 차원'의 개념을 도입한다.
• 집합 $ Q_{ij} $ 의 확률적 샘플링과 비확장성 사상 $ \varphi_{ij}(u) = d(u, Q_{ij}) $ 를 사용하여 $ \ell_p $ 공간으로의 수축 유지 임베딩을 구성한다.
• 체르노프의 부등식과 헬더 부등식을 적용하여 임베딩의 수축을 증명하며, 상수 확률로 $ \|\varphi(u) - \varphi(v)\|_p \geq \Omega(\gamma_A(u,v)/\log k) $ 가 성립함을 보장한다.

실험 결과

연구 질문

• RQ1 정점의 순위에 따라 성능(스트레치, 레이블 크기)이 달라지는 메트릭 데이터 구조를 설계할 수 있는가? 이는 총 정점 수에만 의존하는 것이 아니라 순위에 따라 달라져야 한다.
• RQ2 고우선도 점을 포함하는 쌍에 대해 왜곡이 최악의 경우 $ O(\log n) $ 보다 현저히 향상된 저왜곡 임베딩을 구성할 수 있는가?
• RQ3 고우선도 정점에 대해 동시에 스트레치와 레이블 크기(또는 왜곡과 차원)를 향상시킬 수 있는가?
• RQ4 고우선도 점들이 실제로 사용하는 좌표 수가 적은 '효율적 차원'의 개념을 형식화할 수 있는가?
• RQ5 기존 비우선순위 구조의 최악의 경우 성능이 악화되지 않도록 이러한 향상이 달성될 수 있는가?

주요 결과

• 논문은 $ j $-번째 순위 정점과의 쌍에 대해 스트레치 $ 2\big\lceil t \cdot \frac{\log j}{\log n} \big\rceil - 1 $ 을 갖는 거리 오라클을 구성하였으며, 비우선순위 토르랍-지윅 오라클과 동일한 공간 $ O(t \cdot n^{1+1/t}) $ 을 유지한다.
• 레이블 크기 $ O(n^{1/t} \cdot \log^{1-1/t} n) $ 을 갖는 거리 레이블링 체계를 달성하였지만, 스트레치는 $ j $ 에 따라 달라져 고우선도 정점에서 더 향상된다.
• 임의의 상수 $ \epsilon > 0 $ 에 대해 $ O(\log n) $-차원 유클리드 공간으로의 임베딩을 구성하였으며, 우선순위 기반 왜곡은 $ O(\log j \cdot (\log \log j)^{1/2 + \epsilon}) $ 이다. 이는 최악의 경우 $ O(\log n) $ 의 왜곡보다 향상된다.
• 나무 분포로의 임베딩을 달성하였으며, 기대 우선순위 왜곡은 $ O(\log j) $ 이다. 이는 최악의 경우 기대 왜곡 $ O(\log n) $ 보다 향상된다.
• 논문은 고우선도 점들이 전체 임베딩 차원이 $ O\big(\log n\big) $ 이더라도 뿐만 아니라 $ O(\text{poly}(\log j)) $ 좌표만 사용하는 '활성 차원'의 개념을 도입하였다.
• 모든 제안된 구조의 최악의 경우 성능는 비우선순위 대응 구조와 점근적으로 동일하여, 공간 및 크기 측면에서 이전 구조와의 후행 호환성이 보장된다.