[논문 리뷰] Significance of Side Information in the Graph Matching Problem

Kushagra Singhal, Daniel Cullina외 1명|arXiv (Cornell University)|2017. 06. 21.

Graph Theory and Algorithms참고 문헌 39인용 수 5

한 줄 요약

이 논문은 관련 네트워크에서 그래프 매칭 성능을 햖스키기 위해 부가 정보, 특히 커뮤니티 레이블과 불완전한 초기 매칭을 어떻게 활용할 수 있는지 조사한다. 커뮤니티 도수 벡터 방법과 이중 임계값 퍼콜레이션 알고리즘을 제안하며, 부가 정보가 낮은 시드 가용성과 약한 상관관계 조건에서 매칭 정확도를 크게 향상시킨다는 것을 입증한다.

ABSTRACT

Percolation based graph matching algorithms rely on the availability of seed vertex pairs as side information to efficiently match users across networks. Although such algorithms work well in practice, there are other types of side information available which are potentially useful to an attacker. In this paper, we consider the problem of matching two correlated graphs when an attacker has access to side information, either in the form of community labels or an imperfect initial matching. In the former case, we propose a naive graph matching algorithm by introducing the community degree vectors which harness the information from community labels in an efficient manner. Furthermore, we analyze a variant of the basic percolation algorithm proposed in literature for graphs with community structure. In the latter case, we propose a novel percolation algorithm with two thresholds which uses an imperfect matching as input to match correlated graphs. We evaluate the proposed algorithms on synthetic as well as real world datasets using various experiments. The experimental results demonstrate the importance of communities as side information especially when the number of seeds is small and the networks are weakly correlated.

연구 동기 및 목표

• 부가 정보, 예를 들어 커뮤니티 구조와 불완전한 매칭이 관련 네트워크에서 그래프 매칭에 어떻게 기여할 수 있는지 조사하는 것.
• 제한적 또는 노이즈가 있는 시드 쌍만 제공되는 상황에서 그래프 매칭 문제를 해결하는 것.
• 기존의 시드 쌍 외의 비표준 부가 정보를 활용하는 효율적인 알고리즘을 설계하는 것.
• 다양한 상관관계와 시드 조건에서 제안된 방법의 성능을 합성 및 실세계 데이터셋을 대상으로 평가하는 것.

제안 방법

• 커뮤니티 레이블 정보를 효율적으로 활용하기 위해 커뮤니티 도수 벡터를 도입하여 그래프 매칭에 커뮤니티 구조를 통합한다.
• 불완전한 초기 매칭을 입력으로 사용하여 점진적으로 대응 관계를 개선하는 이중 임계값 퍼콜레이션 알고리즘을 제안한다.
• 기본 퍼콜레이션 알고리즘을 커뮤니티 구조를 고려하도록 수정하여, 상대적으로 약한 상관관계를 가진 네트워크에서의 강건성을 향상시킨다.
• 측면 정보와 구조적 유사성 기반으로 간선 대응 관계를 모델링하기 위해 확률적 프레임워크를 활용한다.
• 측면 정보와 위상 일관성을 기반으로 매칭을 반복적으로 개선하여 네트워크 전반에 걸쳐 전파한다.
• 식물된 커뮤니티 구조를 가진 합성 네트워크와 실세계 사회 네트워크에 알고리즘을 적용하여 성능를 검증한다.

실험 결과

연구 질문

• RQ1 시드 기반 방법과 비교할 때 커뮤니티 레이블을 부가 정보로 포함시키면 그래프 매칭 정확도에 어떤 영향을 미치는가?
• RQ2 불완전한 초기 매칭이 퍼콜레이션 기반 그래프 매칭 알고리즘의 성능에 어느 정도 기여하는가?
• RQ3 커뮤니티 구조는 낮은 시드 수와 약한 상관관계가 있는 네트워크 환경에서 부가 정보의 효과성에 어떻게 영향을 미치는가?
• RQ4 측면 정보가 노이즈가 있거나 불완전할 경우, 이중 임계값 퍼콜레이션 메커니즘이 기존 퍼콜레이션보다 우월한가?
• RQ5 제한된 데이터 조건에서 커뮤니티 구조와 시드 쌍 중 어느 것이 매칭 정밀도 향상에 더 큰 영향을 미치는가?

주요 결과

• 시드 쌍이 부족한 조건에서 커뮤니티 도수 벡터는 특히 약한 상관관계가 있는 네트워크에서 매칭 정확도를 크게 향상시킨다.
• 불완전한 초기 매칭이 제공될 경우 제안된 이중 임계값 퍼콜레이션 알고리즘이 표준 퍼콜레이션보다 뛰어난 성능을 보인다.
• 시드 쌍만 있는 경우에 비해 커뮤니티 레이블 형태의 부가 정보가 시드 쌍보다 더 높은 매칭 정확도를 제공한다.
• 명확한 커뮤니티 구조를 가진 네트워크에서 커뮤니티 기반 부가 정보의 성능 향상 효과가 가장 두드러진다.
• 이중 임계값 알고리즘은 노이즈가 있는 초기 매칭으로 인한 오류 전파를 효과적으로 완화하기 위해 일관되지 않은 매칭을 걸러내는 데 성공한다.
• 합성 및 실세계 데이터셋에 대한 실험 결과는 부가 정보가 정확한 매칭을 위해 필요한 시드 수를 줄이는 데 기여한다는 것을 확인한다.