[논문 리뷰] Scalable Katz Ranking Computation in Large Static and Dynamic Graphs

Alexander van der Grinten, Elisabetta Bergamini외 3명|arXiv (Cornell University)|2018. 01. 01.

Complex Network Analysis Techniques인용 수 6

한 줄 요약

이 논문은 큰 정적 및 동적 그래프에서 노드 점수의 상한과 하한을 반복적으로 개선하여 상위-k 켈츠 중심성 순위를 정확하게 계산하는 새로운 알고리즘을 제안한다. 수치적 및 히ュ리스틱 방법보다 1.5배에서 3.5배 빠른 성능을 달성하며, GPU 가속 구현을 통해 수억 개의 노드와 간선을 가진 그래프에서 거의 실시간 계산을 가능하게 한다.

ABSTRACT

Network analysis defines a number of centrality measures to identify the most central nodes in a network. Fast computation of those measures is a major challenge in algorithmic network analysis. Aside from closeness and betweenness, Katz centrality is one of the established centrality measures. In this paper, we consider the problem of computing rankings for Katz centrality. In particular, we propose upper and lower bounds on the Katz score of a given node. While previous approaches relied on numerical approximation or heuristics to compute Katz centrality rankings, we construct an algorithm that iteratively improves those upper and lower bounds until a correct Katz ranking is obtained. We extend our algorithm to dynamic graphs while maintaining its correctness guarantees. Experiments demonstrate that our static graph algorithm outperforms both numerical approaches and heuristics with speedups between 1.5 x and 3.5 x, depending on the desired quality guarantees. Our dynamic graph algorithm improves upon the static algorithm for update batches of less than 10000 edges. We provide efficient parallel CPU and GPU implementations of our algorithms that enable near real-time Katz centrality computation for graphs with hundreds of millions of nodes in fractions of seconds.

연구 동기 및 목표

• 기존의 수치적 및 히ュ리스틱 방법들이 상위-k 켈츠 중심성 순위 계산에 대해 정확성 보장을 하지 못하는 문제를 해결한다.
• 높은 수치 정밀도를 요구하는 반복적 선형 시스템 해법에 의존하지 않고도 정확한 상위-k 순위를 계산하는 방법을 개발한다.
• 간선 삽입 및 삭제 시에도 정확성을 유지할 수 있도록 동적 그래프에서의 효율적 계산을 가능하게 한다.
• 실시간 대규모 네트워크 분석을 위한 고성능을 달성하기 위해 공유 메모리 기반 병렬 처리 CPU 및 GPU 커널을 활용한 구현을 제공한다.

제안 방법

• 노드 별 켈츠 점수에 대한 상한과 하한을 노이만 급수 표현을 통해 제안한다.
• 정확한 순위가 도출될 때까지 이러한 상한과 하한을 반복적으로 개선함으로써 수치 근사 없이도 정확성을 보장한다.
• 간선 수정 후 영향을 받는 노드에만 점수 업데이트를 전파하는 방식으로 정적 알고리즘을 동적 그래프로 확장한다.
• CPU에서 공유 메모리 병렬 처리와 GPU 커널을 사용하여 고확장성 구현을 구현한다.
• 상한과 하한이 상위-k 노드에 대해 충분히 좁아질 때까지 ϵ-허용 오차 기반 수렴 기준을 사용해 반복을 종료한다.
• 새로운 하드웨어 및 소프트웨어 스택 간 이식성을 지원하기 위해 GraphBLAS 유사 추상화를 활용한다.

실험 결과

연구 질문

• RQ1 선형 시스템의 수치 근사 없이도 정확한 상위-k 켈츠 중심성 순위를 계산할 수 있는가?
• RQ2 자주 발생하는 간선 변경이 있는 동적 그래프에서 중심성 순위를 업데이트할 때 정확성과 효율성을 유지할 수 있는가?
• RQ3 기존의 반복적 해법이나 히ュ리스틱 방법 대비 기반 구간 반복 개선 방식이 얼마나 높은 성능 향상을 이끌 수 있는가?
• RQ4 병렬 처리 CPU 및 GPU 아키텍처를 통해 정확한 켈츠 중심성 순위 계산을 얼마나 가속화할 수 있는가?
• RQ5 다양한 그래프 크기와 상위-k 쿼리 임계값에서 알고리즘이 어떻게 확장되는가?

주요 결과

• 제안된 정적 알고리즘은 정확성 보장 수준에 따라 수치적 해법 및 히ュ리스틱 방법 대비 1.5배에서 3.5배 빠른 성능을 달성한다.
• 동적 그래프에서 10,000개 이하의 간선 배치를 업데이트할 경우 재계산보다 뛰어난 성능을 보이며, 소규모 업데이트에 있어 뚜렷한 성능 향상을 제공한다.
• GPU 가속 구현은 20코어 CPU 설정 대비 기하 평균 10배의 성능 향상을 달성했으며, 대규모 그래프에서 실행 시간을 220ms 이내로 단축시켰다.
• 1억 2천만 개의 간선을 가진 그래프에서 알고리즘은 거의 실시간 중심성 계산을 가능하게 하였으며, GPU 실행 시간은 20ms에서 213ms 사이였다.
• k ≤ 1,000 범위에서는 상위-k 변형 알고리즘이 의미 있는 성능 향상을 보였고, 전체 순위 계산 방법은 표준 해법과 경쟁 가능했다.
• 반복적 상한 및 하한 개선을 통해 정확성이 보장되어 히ュ리스틱 접근 방식에서 흔히 발생하는 잘못된 순위 매기기의 위험을 제거한다.