[논문 리뷰] Spectral Graph Matching and Regularized Quadratic Relaxations II: Erdős-Rényi Graphs and Universality

Zhou Fan, Cheng Mao외 2명|arXiv (Cornell University)|2019. 07. 20.

Random Matrices and Applications참고 문헌 15인용 수 21

한 줄 요약

이 논문은 일반적인 위그너 행렬 모델 하에서 상관된 에르되시-레니 그래프에 대해 GRAMPA 스펙트럴 그래프 매칭 알고리즘의 보편적인 정확한 복원 보장을 수립한다. 리솔베ント 표현과 희박한 위그너 행렬에 대한 국소 법칙을 활용하여, 평균 차수의 최소값이 $\operatorname{polylog}(n)$일 때, 간선 상관도가 $1 - \sigma^2$이고 $\sigma \lesssim 1/\operatorname{polylog}(n)$인 경우, GRAMPA가 높은 확률로 잠재적인 정점 대응을 정확히 복원함을 증명한다.

ABSTRACT

We analyze a new spectral graph matching algorithm, GRAph Matching by Pairwise eigen-Alignments (GRAMPA), for recovering the latent vertex correspondence between two unlabeled, edge-correlated weighted graphs. Extending the exact recovery guarantees established in the companion paper for Gaussian weights, in this work, we prove the universality of these guarantees for a general correlated Wigner model. In particular, for two Erdős-Rényi graphs with edge correlation coefficient $1-σ^2$ and average degree at least $\operatorname{polylog}(n)$, we show that GRAMPA exactly recovers the latent vertex correspondence with high probability when $σ\lesssim 1/\operatorname{polylog}(n)$. Moreover, we establish a similar guarantee for a variant of GRAMPA, corresponding to a tighter quadratic programming relaxation of the quadratic assignment problem. Our analysis exploits a resolvent representation of the GRAMPA similarity matrix and local laws for the resolvents of sparse Wigner matrices.

연구 동기 및 목표

• 스펙트럴 그래프 매칭의 정확한 복원 보장이 가우시안 모델을 초월해 보편화될 수 있는지 확인하는 것.
• 일반적인 위그너 행렬 모델 하에서 관련된 에르되시-레니 그래프에서 GRAMPA의 성능을 분석하는 것.
• 소음 수준 $\sigma$가 $O(1/\operatorname{polylog}(n))$일 때, GRAMPA가 높은 확률로 정확한 복원을 달성함을 증명하는 것.
• 동반 논문 [FMWX19]의 이론적 프레임워크를 더 넓은 범위의 무거운 尾 꼬리 및 이산 무게 분포로 확장하는 것.
• 더 나은 이론적 보장을 갖는 GRAMPA의 더 타이트한 정규화된 이차계획법 리 릴랙세이션 변형을 개발하는 것.

제안 방법

• 쌍방향 고유값 정렬과 정규화 파rameter $\eta$를 사용하여 유사도 행렬을 구성하는 스펙트럴 그래프 매칭 알고리즘인 GRAMPA를 제안한다.
• GRAMPA 유사도 행렬의 리솔베ント 표현을 사용하여, 소음에 대한 구조와 안정성을 분석한다.
• 집중 부등식, 스틸체스 변환, 리솔베ント 바OUNDS 등을 포함한 랜덤 매트릭스 이론 도구를 적용하여 유사도 행렬의 행동을 통제한다.
• 스체르 컴플리멘트 항등식과 포함-배제 원리를 사용하여 리솔베ント 행렬의 항들을 분해하고 바OUNDS를 구한다.
• 모멘트 조건 하에서 희박한 위그너 행렬의 리솔베ント에 대해 항별 및 노름 기반 바OUNDS를 유도한다.
• QAP에 대한 더 타이트한 정규화된 이차계획법 리 릴랙세이션을 제안하며, 리솔베ント 기반 분석을 통해 개선된 이론적 성능을 보여준다.

실험 결과

연구 질문

• RQ1 GRAMPA의 정확한 복원 보장이 가우시안 위그너 모델을 초월해, 이항분포나 유한한 값의 분포와 같은 더 일반적인 분포로 확장될 수 있는가?
• RQ2 GRAMPA가 관련된 에르되시-레니 그래프에서 잠재적인 매칭을 정확히 복원하는 데 필요한 소음 수준 $\sigma$의 정확한 임계값은 무엇인가?
• RQ3 그래프의 희박성에 따라 GRAMPA의 성능은 어떻게 달라지며, 특히 평균 차수가 $\operatorname{polylog}(n)$만큼 증가할 경우 어떻게 되는가?
• RQ4 QAP에 대한 더 타이트한 이차계획법 리 릴랙세이션은 원래 GRAMPA 수식보다 더 나은 정확한 복원 보장을 달성할 수 있는가?
• RQ5 모멘트 조건을 만족하는 다양한 분포에 대해 이론적 결과가 얼마나 보편적으로 성립하는가? 특히 서브가우시안 및 유한한 값의 항목을 포함한 분포에 대해.

주요 결과

• 연관된 에르되시-레니 모델 하에서 간선 상관도가 $1 - \sigma^2$이고 $\sigma \lesssim 1/\operatorname{polylog}(n)$일 때, GRAMPA는 높은 확률로 잠재 정점 대응을 정확히 복원한다.
• 정확한 복원 임계값은 유한한 값, 서브가우시안, 에르되시-레니 항목을 포함한 모멘트 조건을 만족하는 광범위한 위그너 행렬 클래스에 대해 보편적이다.
• GRAMPA 유사도 행렬의 리솔베ント 표현은 희박한 위그너 행렬에 대한 국소 법칙을 통해 비대각항과 대각항을 정밀하게 제어할 수 있게 한다.
• 더 타이트한 정규화된 QP 리 릴랙세이션은 유사한 정확한 복원 보장을 달성하며, 더 나은 이론적 안정성과 수렴 성질을 보인다.
• 희박한 위그너 행렬의 리솔베ント에 대해 항별 및 노름 바OUNDS를 확립하였으며, $\|R - m_0 \mathbf{1} \mathbf{1}^\top\|$ 및 $\|R\|_{\mathrm{op}}$에 대해 높은 확률로 제어가 가능하다.
• 결과는 최소 $1 - e^{-c(\log n)(\log \log n)}$의 확률로 성립하며, 지정된 모멘트 조건 하에서 강력한 집중을 보여준다.