[논문 리뷰] Single pass sparsification in the streaming model with edge deletions

Ashish Goel, Michael Kapralov외 1명|arXiv (Cornell University)|2012. 03. 22.

Complexity and Algorithms in Graphs참고 문헌 23인용 수 23

한 줄 요약

이 논문은 $\tilde{O}(n/{\epsilon}^2)$ 공간과 $\tilde{O}(1/{\epsilon}^2)$ 시간 복잡도로 업데이트를 처리하는 단일 패assing 스트리밍 알고리즘을 제안한다. 이 알고리즘은 간선 삽입 및 삭제가 가능한 동적 그래프에서 컷 스파르서라이저를 구성한다. 연결성 추정을 스케칭 기법과 희소 복구를 조합하여 연결성이 높은 간선을 비례하게 샘플링함으로써, 삭제가 발생하더라도 단일 패assing 내에서 효율적으로 복구가 가능한 $\epsilon$-스파르서라이저를 생성한다. 이로 인해 $O(n/\log^3 n / {\epsilon}^2)$개의 간선을 가진 $\epsilon$-스파르서라이저를 구성할 수 있다.

ABSTRACT

In this paper we give a construction of cut sparsifiers of Benczur and Karger in the {\em dynamic} streaming setting in a single pass over the data stream. Previous constructions either required multiple passes or were unable to handle edge deletions. We use $ ilde{O}(1/\e^2)$ time for each stream update and $ ilde{O}(n/\e^2)$ time to construct a sparsifier. Our $\e$-sparsifiers have $O(n\log^3 n/\e^2)$ edges. The main tools behind our result are an application of sketching techniques of Ahn et al.[SODA'12] to estimate edge connectivity together with a novel application of sampling with limited independence and sparse recovery to produce the edges of the sparsifier.

연구 동기 및 목표

• 간선 삽입 및 삭제가 가능한 동적 그래프에서 컷 스파르서라이제이션을 위한 단일 패assing 스트리밍 알고리즘을 설계한다.
• 단지 $\tilde{O}(n/\epsilon^2)$ 공간을 사용하면서도 $O(n\log^3 n / \epsilon^2)$개의 간선을 가진 스파르서라이저를 달성한다.
• 이전 방법들이 다중 패assing이 필요하거나 간선 삭제를 처리할 수 없는 한계를 극복한다.
• 스트림 처리 후 $\tilde{O}(n/\epsilon^2)$ 시간 내에 스파르서라이저 간선을 효율적으로 복구할 수 있도록 한다.
• 완전 독립성을 줄이고 제한된 독립성을 가진 랜덤 변수를 사용하여 랜덤 샘플링의 의존도를 감소시킨다.

제안 방법

• Ahn 등 (SODA'12)의 스케칭 기법을 활용하여 기하급수적 샘플링 비율을 사용해 간선의 연결성을 추정한다.
• 다양한 샘플링 비율에서 샘플된 간선의 선형 스케치를 유지하여 희소 복구 및 재구성을 지원한다.
• 공간 사용량을 줄이면서도 농도 한계를 유지하기 위해 $\gamma\log^4 n / \epsilon^2$-wise 독립적인 랜덤 변수를 사용한다.
• 필요에 따라 스케치에서 희소 복구를 적용하여 샘플된 간선을 재구성함으로써 단일 패assing 내 복구를 가능하게 한다.
• 연결성 추정과 간선 샘플링을 통합: 추정된 연결성에 반비례하는 비율로 간선을 샘플링한다.
• 제한된 독립성 하에서도 정확성을 보장하기 위해 조건부 기대값 한계와 농도 부등식을 사용한다.

실험 결과

연구 질문

• RQ1 간선 삭제가 가능한 동적 그래프 스트림에서 단일 패assing으로 컷 스파르서라이저를 구성할 수 있는가?
• RQ2 공간 복잡도를 $\tilde{O}(n/\epsilon^2)$로 줄일 수 있고, 同시에 $O(n\log^3 n / \epsilon^2)$개의 간선을 가진 스파르서라이저를 유지할 수 있는가?
• RQ3 정확성을 보장하면서도 다중 패assing과 완전 독립성의 랜덤 샘플링을 피할 수 있는가?
• RQ4 희소 복구 기법을 그래프 스케칭과 효과적으로 조합하여 스파르서라이저 간선을 효율적으로 재구성할 수 있는가?
• RQ5 제한된 독립성을 사용하여 단일 패assing 내에서 간선 연결성을 정확히 추정할 수 있는가?

주요 결과

• 알고리즘은 동적 스트림을 단일 패assing으로 처리하면서 $O(n\log^3 n / \epsilon^2)$개의 간선을 가진 $\epsilon$-컷 스파르서라이저를 구성한다.
• 알고리즘은 $\tilde{O}(n/\epsilon^2)$ 공간을 사용하고, 각 업데이트에 대해 $\tilde{O}(1/\epsilon^2)$의 작업을 수행한다.
• 스트림 처리 후 $\tilde{O}(n/\epsilon^2)$ 시간 내에 스파르서라이저를 복구할 수 있다.
• 메서드는 $\gamma\log^4 n / \epsilon^2$-wise 독립적인 랜덤 변수를 사용하여 정확성을 확보함으로써, 완전 독립성 대비 공간 사용량을 줄였다.
• 분석 결과, 간선 샘플링의 과대 또는 과소 추정 확률이 농도 부등식을 통해 적절히 제한됨을 보였다.
• 이전 연구 대비 동적 모델에서 단일 패assing 스파르서라이제이션을 가능하게 하여, 이전에는 다중 패assing 또는 삭제 없이만 가능했던 것을 개선하였다.