[논문 리뷰] Sparse graphs: metrics and random models

Béla Bollobás, Oliver Riordan|arXiv (Cornell University)|2008. 12. 14.

Limits and Structures in Graph Theory참고 문헌 30인용 수 8

한 줄 요약

이 논문은 Θ(n) 간선을 가진 희박한 그래프에 대해 메트릭과 무작위 그래프 모델을 조사하며, 정규화 p=1/n 하에서 컷 메트릭, 부분그래프 메트릭, 분할 메트릭을 중심으로 다룬다. 표준 밀도 그래프 수렴 결과가 희박한 그래프로 확장되지 않음을 보이며, 이러한 메트릭 하에서 코시 수열의 국소적 및 전역적 구조를 포괄할 수 있는 새로운 모델—예를 들어 삼각형 기반 구성 모델 T(n,d)—을 제안한다.

ABSTRACT

Recently, Bollobás, Janson and Riordan introduced a family of random graph models producing inhomogeneous graphs with $n$ vertices and $Θ(n)$ edges whose distribution is characterized by a kernel, i.e., a symmetric measurable function $\ka:[0,1]^2 o [0,\infty)$. To understand these models, we should like to know when different kernels $\ka$ give rise to `similar' graphs, and, given a real-world network, how `similar' is it to a typical graph $G(n,\ka)$ derived from a given kernel $\ka$. The analogous questions for dense graphs, with $Θ(n^2)$ edges, are answered by recent results of Borgs, Chayes, Lovász, Sós, Szegedy and Vesztergombi, who showed that several natural metrics on graphs are equivalent, and moreover that any sequence of graphs converges in each metric to a graphon, i.e., a kernel taking values in $[0,1]$. Possible generalizations of these results to graphs with $o(n^2)$ but $ω(n)$ edges are discussed in a companion paper [arXiv:0708.1919]; here we focus only on graphs with $Θ(n)$ edges, which turn out to be much harder to handle. Many new phenomena occur, and there are a host of plausible metrics to consider; many of these metrics suggest new random graph models, and vice versa.

연구 동기 및 목표

• Θ(n) 간선을 가진 다양한 커널이 '유사한' 희박한 그래프를 생성하는 조건을 이해하는 것.
• 실제 세계 네트워크가 주어진 커널 κ를 가진 무작위 모델 G(n,κ)에 의해 생성된 그래프와 얼마나 유사한지 평가하는 것.
• 밀도 그래프(Θ(n²) 간선)에서의 그래프 메트릭 등가성 결과를 표준 도구가 실패하는 희박한 영역(Θ(n) 간선)으로 확장하는 것.
• 임의의 도수 분포와 국소적 구조를 가진 그래프를 생성할 수 있는 새로운 무작위 그래프 모델을 개발하는 것, 특히 극도로 희박한 경우에 중점을 두고.
• d_loc 및 d_cn 등의 메트릭 하에서 코시 수열이 명시적인 무작위 그래프 모델에 의해 실현 가능한지 조사하는 것.

제안 방법

• 정규화 p(n) = 1/n를 사용하여 컷 메트릭 d_cut, 부분그래프(카운트) 메트릭 d_sub, 분할 메트릭 d_part의 세 가지 핵심 그래프 메트릭을 희박한 그래프에 적응시킨다.
• 그래프 G_n에 대해 [0,1]을 길이 1/n인 n개의 구간으로 분할하고, 간선를 나타내는 블록에는 1/p = n의 값을 할당함으로써 유한 유형의 커널 κ_Gn을 정의한다.
• 각 연결 그래프 F가 [0,1]^{|F|} 상에서 커널 κ_F를 기여하는 무작위 그래프 모델 G(n, (κ_F))를 도입하며, F의 복사본은 확률 κ_F(x_v1,…,x_vk)/n^{k-1}로 추가된다.
• 각 정점에 d개의 스탭을 가지며, 스탭이 무작위로 삼중으로 묶여 삼각형을 형성하는 삼각형 기반 구성 모델 T(n,d)를 제안한다.
• T(n,d)의 국소적 극한이 삼각형의 무한 트리임을 분석하며, 일반적인 정점의 차수는 2d이며, d개의 간선-불변 삼각형에 속해 있음을 보인다.
• 커널의 측도 보존 재정렬을 사용하여 동치 클래스(κ ≈ κ')를 정의하고, 이러한 변환 하에서의 불변성 특성을 연구한다.

실험 결과

연구 질문

• RQ1 밀도 그래프에서 관찰되는 표준 그래프 메트릭(d_cut, d_sub, d_part)의 등가성은 Θ(n) 간선을 가진 희박한 영역에서도 유지되는가?
• RQ2 d_loc 또는 d_cn 하에서 코시 수열이 잘 정의된 커널 가족을 가진 무작위 그래프 모델에 의해 실현 가능한가?
• RQ3 G(n,κ) 및 G(n,(κ_F))와 같은 기존 모델은 극도로 희박한 경우에 임의의 도수 분포를 포착하는 데 어떤 한계를 지닌다?
• RQ4 희박한 그래프 메트릭 하에서 국소적 및 전역적 그래프 구조는 극한에서 어떻게 상호작용하는가?
• RQ5 예를 들어 T(n,d)에서의 삼각형의 무한 트리와 같은 특정 국소적 구조를 실현할 수 있는 새로운 무작위 그래프 모델을 구성할 수 있는가?

주요 결과

• 밀도 그래프(Θ(n²) 간선)에서 관찰되는 그래프 메트릭의 등가성은 Θ(n) 간선을 가진 희박한 경우로 확장되지 않으며, 새로운 현상이 나타난다.
• p=1/n를 사용하는 무작위 그래프 모델 G(n,κ)는 사실상 순환 없이 생성되며, 일반적인 희박한 네트워크를 모델링하는 데 부적합하다.
• 모델 G(n,(κ_F))는 Θ(n) 간선과 임의의 고정된 그래프 F에 대해 Θ(n)개의 복제본을 생성하지만, 도수 분포는 복합 포아송 분포의 혼합이므로 정규 그래프를 생성하는 데 제한이 있다.
• 제안된 모델 T(n,d)는 각 정점의 차수가 2d이며, d개의 간선-불변 삼각형에 속하는 다중그래프를 생성하며, 양의 확률로 단순 그래프가 된다.
• T(n,d)의 국소적 극한은 삼각형의 무한 트리이며, 이러한 모델이 극도로 희박한 영역에서 특정 국소적 구조를 실현할 수 있음을 보여준다.
• d_loc 또는 d_cn에 대한 질문 8.1에 답하기 위해서는 도수 분포 외에도 국소적 및 전역적 구조의 전체 조합을 이해할 필요가 있으며, 이는 여전히 중대한 열린 과제이다.