[논문 리뷰] Spectral Properties of Hypergraph Laplacian and Approximation Algorithms

T-H. Hubert Chan, Anand Louis외 2명|arXiv (Cornell University)|2016. 05. 05.

Graph theory and applications참고 문헌 57인용 수 17

한 줄 요약

이 논문은 각 초모서리 내에서 가중 측정값이 가장 높은 정점에서 가장 낮은 정점으로 향하는 확산 과정에 기반한 비선형 초그래프 라플라시안을 제안한다. 초그래프 확장성에 대한 스펙트럼 경계를 수립하고, k-웨이 분할에 대해 O(log r)-근사 알고리즘을 제공하며, Small-Set Expansion 가설 하에 알려진 최고의 하드네스와 일치한다.

ABSTRACT

The celebrated Cheeger's Inequality establishes a bound on the edge expansion of a graph via its spectrum. This inequality is central to a rich spectral theory of graphs, based on studying the eigenvalues and eigenvectors of the adjacency matrix (and other related matrices) of graphs. It has remained open to define a suitable spectral model for hypergraphs whose spectra can be used to estimate various combinatorial properties of the hypergraph. In this paper we introduce a new hypergraph Laplacian operator generalizing the Laplacian matrix of graphs. In particular, the operator is induced by a diffusion process on the hypergraph, such that within each hyperedge, measure flows from vertices having maximum weighted measure to those having minimum. Since the operator is non-linear, we have to exploit other properties of the diffusion process to recover a spectral property concerning the "second eigenvalue" of the resulting Laplacian. Moreover, we show that higher order spectral properties cannot hold in general using the current framework. We consider a stochastic diffusion process, in which each vertex also experiences Brownian noise from outside the system. We show a relationship between the second eigenvalue and the convergence behavior of the process. We show that various hypergraph parameters like multi-way expansion and diameter can be bounded using this operator's spectral properties. Since higher order spectral properties do not hold for the Laplacian operator, we instead use the concept of procedural minimizers to consider higher order Cheeger-like inequalities. For any positive integer $k$, we give a polynomial time algorithm to compute an $O(\log r)$-approximation to the $k$-th procedural minimizer, where $r$ is the maximum cardinality of a hyperedge. We show that this approximation factor is optimal under the SSE hypothesis for constant values of $k$.

연구 동기 및 목표

• 그래프의 스펙트럼 이론, 특히 체거 부등식을 일반화하는 초그래프에 대한 스펙트럼 모델을 정의하는 것.
• 초그래프 스펙트럼이 확장성과 직경과 같은 조합적 매개변수와 관련되어 있다는 오랜 열린 문제를 해결하는 것.
• 스펙트럼 성질을 활용하여 일반적인 요구 조건을 가진 초그래프 분할 및 희박한 컷에 대한 근사 알고리즘을 개발하는 것.
• 현재 프레임워크 하에서 고차원 스펙트럼 성질이 성립하지 않음을 보이고, 이를 위해 절차적 최소화자( procedural minimizers )가 필요하다는 것을 보여주는 것.
• 초그래프 결과를 인자 보존 감소를 통해 그래프의 정점 확장성으로 확장하는 것.

제안 방법

• 각 초모서리 내에서 가중 측정값이 높은 정점에서 낮은 정점으로 측정값을 재분배하는 확산 과정을 통해 비선형 초그래프 라플라시안을 정의한다.
• 혼합 시간과 수렴성을 분석하기 위해 외부 브라운 운동 노이즈가 있는 확률적 확산 과정을 도입하며, 이를 두 번째 고유값과 연결한다.
• 고차원 고유값의 대체로 절차적 최소화자를 사용하여 k-웨이 확장성에 대한 체거 유사 부등식을 가능하게 한다.
• k-번째 절차적 최소화자를 근사하기 위해 정수형 프로그래밍(SDP) 리 릿지션을 제안하고, 가우시안 공간으로의 무작위 투영을 통해 라운딩을 수행한다.
• 라운딩 오차를 분석하고 근사 보장을 확보하기 위해 농도 및 모멘트 경계(예: 페일리-지그문트, 코시-슈바르츠)를 사용한다.
• 메트릭 임bedding(리프시츠 사상에 의해)의 왜곡 경계를 사용하여 SDP 해가 실제 초그래프 확장성과 관련이 있음을 연결한다.

실험 결과

연구 질문

• RQ1 초그래프에 대해 스펙트럼 모델을 정의할 수 있는가? 이 모델의 고유값이 간선 확장성과 직경과 같은 초그래프 확장성 매개변수를 경계할 수 있는가?
• RQ2 새로운 초그래프 라플라시안의 두 번째 고유값은 관련된 확산 과정의 혼합 시간과 어떤 관계가 있는가?
• RQ3 왜 현재 프레임워크 하에서 고차원 스펙트럼 성질이 성립하지 않으며, 이를 어떻게 의미적으로 대체할 수 있는가?
• RQ4 k-웨이 초그래프 분할에 대해 달성 가능한 최선의 근사 비율은 무엇이며, 이를 효율적으로 달성할 수 있는가?
• RQ5 초그래프 확장성에 대한 결과를 감소를 통해 그래프의 정점 확장성으로 이전할 수 있는가?

주요 결과

• 제안된 초그래프 라플라시안은 비선형이며, 각 초모서리 내에서 가중치가 높은 정점에서 낮은 정점으로 측정값을 이동시키는 확산 과정에 의해 유도된다.
• 라플라시안의 두 번째 고유값은 확률적 확산 과정의 혼합 시간과 밀접하게 관련되어 있으며, 수렴의 스펙트럼적 특성화를 제공한다.
• 새로운 라플라시안의 스펙트럼 성질을 사용하여 초그래프 확장성과 직경을 경계할 수 있으며, 체거 유사 부등식을 일반화한다.
• k-번째 절차적 최소화자를 계산하기 위한 O(log r)-근사 알고리즘이 제안되며, r은 최대 초모서리 크기이고, 이 요소는 Small-Set Expansion 가설 하에 최적이다.
• 초그래프 결과는 인자 보존 감소를 통해 그래프의 정점 확장성으로 확장되며, 이는 프레임워크의 광범위한 적용 가능성을 보여준다.
• SDP 리 릿지션의 라운딩 알고리즘은 O(√(log r) · Λ · Φ_H)의 근사 요소를 달성하며, 여기서 Λ는 임베딩의 왜곡이고, 이 경계는 일정 확률로 성립한다.