[논문 리뷰] SPECTRE: Seedless Network Alignment via Spectral Centralities

Mikhail Hayhoe, Francisco Barreras외 2명|arXiv (Cornell University)|2018. 11. 02.

Complex Network Analysis Techniques참고 문헌 53인용 수 4

한 줄 요약

SPECTRE는 스펙트럴 중심성으로 노이지 초기 시드 세트를 생성하고 부트스트랩 퍼콜레이션을 통해 반복적으로 정렬을 정교화하는 확장 가능하고 시드가 없는 네트워크 정렬 알고리즘이다. 이는 정확도가 높아져서 고도로 상관된 네트워크가 아니라도 사전에 정확한 노드 쌍에 대한 지식이 없이도 높은 정확도를 달성한다. 실제 및 합성 네트워크에서 최신 기술 대비 엣지 정확도와 ICS 점수 모두에서 뛰어난 성능을 보인다.

ABSTRACT

Network alignment consists of finding a structure-preserving correspondence between the nodes of two correlated, but not necessarily identical, networks. This problem finds applications in a wide variety of fields, from the alignment of proteins in computational biology, to the de-anonymization of social networks, as well as recognition tasks in computer vision. In this work we introduce SPECTRE, a scalable algorithm that uses spectral centrality measures and percolation techniques. Unlike most network alignment algorithms, SPECTRE requires no seeds (i.e., pairs of nodes identified beforehand), which in many cases are expensive, or impossible, to obtain. Instead, SPECTRE generates an initial noisy seed set via spectral centrality measures which is then used to robustly grow a network alignment via bootstrap percolation techniques. We show that, while this seed set may contain a majority of incorrect pairs, SPECTRE is still able to obtain a high-quality alignment. Through extensive numerical simulations, we show that SPECTRE allows for fast run times and high accuracy on large synthetic and real-world networks, even those which do not exhibit a high correlation.

연구 동기 및 목표

• 기존 네트워크 정렬 알고리즘이 높은 엣지 상관도 또는 시드 쌍을 필요로 하는 심각한 한계를 해결하기 위해.
• 사전 정보나 정확한 시드 쌍에 의존하지 않고도 높은 정렬 품질을 달성할 수 있는 확장 가능하고 강건한 알고리즘을 개발하기 위해.
• 스펙트럴 중심성으로 유도된 노이지 초기 시드 세트가 부트스트랩 퍼콜레이션을 통한 반복적 정밀화를 통해 여전히 고품질의 정렬을 이끌어낼 수 있음을 보여주기 위해.
• 다양한 실제 네트워크(단백질 상호작용, 사회적, 인프라 네트워크 등)에서 상관 수준이 다양한 조건에서 성능을 평가하기 위해.
• SPECTRE가 시드 없이도 강력한 상관도 가정 없이 높은 정밀도와 정확도를 유지하는 첫 번째 확장 가능한 알고리즘으로 자리매김하도록 하기 위해.

제안 방법

• SPECTRE는 네트워크 인cidency 행렬의 스펙트럴 성질에 기반해 노드를 순위 매김함으로써 고유벡터 중심성을 사용해 초기 노이지 시드 세트를 생성한다.
• 지역 일관성에 기반해 정렬을 반복적으로 확장하는 두 가지 확장 모드인 SafeExpand와 LooseExpand를 사용하는 부트스트랩 퍼콜레이션 프레임워크를 적용한다.
• 확장 과정에서 잘못 정렬된 노드를 수정하기 위해 백트래킹 전략을 사용하여 반복 과정에서 정렬 품질을 향상시킨다.
• 정렬 성능을 최적화하기 위해 k(초기 시드 쌍 수)와 w(퍼콜레이션 임계값)에 대한 파arameter 스윕을 수행한다.
• 대규모 네트워크에서의 계산 확장 가능성을 확보하기 위해 저랭크 근사와 스펙트럴 분해를 활용한다.
• 초기 시드 세트의 노이즈에 강건하도록 설계되어 있어 대부분의 초기 쌍이 잘못되었을 경우에도 성공할 수 있다.

실험 결과

연구 질문

• RQ1 시드 쌍이나 노드 대응 관계에 대한 사전 지식이 전혀 없이도 네트워크 정렬 알고리즘이 높은 정확도를 달성할 수 있는가?
• RQ2 스펙트럴 중심성은 네트워크 정렬을 위한 유용한, 비록 노이지이긴 하지만 초기 시드 세트를 생성하는 데 얼마나 효과적인가?
• RQ3 백트래킹 기반 부트스트랩 퍼콜레이션은 노이지 초기 정렬에서 오류를 어느 정도까지 수정할 수 있는가?
• RQ4 기존 알고리즘이 실패하는 저도 및 중간 정도 상관도를 가진 실제 네트워크에서 SPECTRE의 성능은 어떠한가?
• RQ5 시드가 없을 경우 정렬 품질, 런타임, 파라미터 선택(예: k와 w) 사이의 상충 관계는 어떠한가?

주요 결과

• SPECTRE는 C. jejuni와 E. coli 단백질 상호작용 네트워크에서 32%의 엣지 정확도와 35%의 ICS 점수를 기록하여 GHOST와 MI-GRAAL을 크게 능가한다.
• 최고의 정렬 품질은 w=1과 k=90일 때 달성되며, 이는 파라미터 변화에 대한 강건성과 초기 노이즈에 대한 높은 내성성을 시사한다.
• 네트워크 크기에 따라 효율적으로 런타임이 스케일링되며, 50,000개 이상의 노드를 가진 네트워크에서도 100초 이내에 완료된다.
• 대부분의 기존 알고리즘이 실패하는 저도 엣지 상관도 네트워크에서도 SPECTRE는 높은 성능을 유지한다.
• 초기 시드 세트의 대부분이 잘못되었을 경우에도 부트스트랩 퍼콜레이션 과정이 반복적 정밀화를 통해 오류를 효과적으로 수정하므로 알고리즘은 강건하다.
• 특히 시드가 없는 환경에서 최신 기술 대비 뛰어난 확장성과 정확도를 보여주며, SPECTRE는 뛰어난 성능을 발휘한다.