[논문 리뷰] Subgraph Frequencies: Mapping the Empirical and Extremal Geography of Large Graph Collections

Johan Ugander, Lars Bäckström외 1명|arXiv (Cornell University)|2013. 04. 04.

Complex Network Analysis Techniques참고 문헌 27인용 수 43

한 줄 요약

이 논문은 소규모 밀집 사회 그래프의 대규모 컬렉션을 위한 좌표계를 제안한다. 이는 특히 3개 또는 4개 노드로 구성된 모든 유도 부분그래프의 정규화된 빈도 수를 기반으로 하며, 극값 그래프 이론을 활용해 타당한 부분그래프 빈도의 범위를 제한하고, 엣지 생성 랜덤 워크라는 확률적 생성 모델을 통해 실제 사회 그래프에서 관찰되는 클러스터링을 설명한다. 주요 기여는 단지 부분그래프 빈도와 잔차만을 사용함으로써 82%의 정확도로 그래프 유형(예: 이웃 관계, 그룹, 이벤트 등)을 정확하게 분류할 수 있는 강건하고 저차원의 표현 방식을 제공한다는 점이다.

ABSTRACT

A growing set of on-line applications are generating data that can be viewed as very large collections of small, dense social graphs -- these range from sets of social groups, events, or collaboration projects to the vast collection of graph neighborhoods in large social networks. A natural question is how to usefully define a domain-independent coordinate system for such a collection of graphs, so that the set of possible structures can be compactly represented and understood within a common space. In this work, we draw on the theory of graph homomorphisms to formulate and analyze such a representation, based on computing the frequencies of small induced subgraphs within each graph. We find that the space of subgraph frequencies is governed both by its combinatorial properties, based on extremal results that constrain all graphs, as well as by its empirical properties, manifested in the way that real social graphs appear to lie near a simple one-dimensional curve through this space. We develop flexible frameworks for studying each of these aspects. For capturing empirical properties, we characterize a simple stochastic generative model, a single-parameter extension of Erdos-Renyi random graphs, whose stationary distribution over subgraphs closely tracks the concentration of the real social graph families. For the extremal properties, we develop a tractable linear program for bounding the feasible space of subgraph frequencies by harnessing a toolkit of known extremal graph theory. Together, these two complementary frameworks shed light on a fundamental question pertaining to social graphs: what properties of social graphs are 'social' properties and what properties are 'graph' properties? We conclude with a brief demonstration of how the coordinate system we examine can also be used to perform classification tasks, distinguishing between social graphs of different origins.

연구 동기 및 목표

• 소규모 밀집 사회 그래프의 대규모 컬렉션을 분석하기 위한 도메인 독립적인 좌표계를 개발하기 위해.
• 인간 행동에서 유도되는 '사회적' 성질과 조합적 제약 조건에서 유래하는 '그래프적' 성질을 구분하기 위해.
• 통일된 공간 내에서 다양한 그래프 유형(예: 네트워크 이웃 관계, 그룹, 이벤트 등) 간의 비교 분석을 가능하게 하기 위해.
• 지역적 부분그래프 빈도가 분류 작업에서 전역 그래프 특징을 능가할 수 있는지 평가하기 위해.

제안 방법

• 모든 k-노드 부분그래프(여기서 k=3 또는 4)에 대해 각 그래프를 유도 부분그래프 빈도의 벡터로 표현하며, 각 좌표는 특정 부분그래프 H를 유도하는 k-튜플의 비율을 나타낸다.
• 극값 그래프 이론에 기반한 선형 프로그래밍을 사용하여 부분그래프 빈도 벡터의 타당 영역을 제한함으로써 보편적인 조합적 제약 조건을 포착한다.
• 단일 파rameter를 가진 확률적 생성 모델(엣지 생성 랜덤 워크)을 개발하여, 그 평형 분포가 실제 사회 그래프의 경험적 1차원 곡선과 매우 유사하게 일치하도록 한다.
• 관측된 부분그래프 빈도와 기준 모델(G_{n,p} 및 엣지 생성 랜덤 워크)에 의해 예측된 빈도 간 잔차를 계산하여 좌표계를 보완한다.
• 5개의 교차 검증 폴드를 사용하여 부분그래프 빈도 벡터와 잔차를 입력 특징으로 사용해 그래프 분류를 수행한다.
• 부분그래프 빈도만 사용한 경우, 전역 그래프 특징만 사용한 경우, 그리고 둘을 조합한 경우의 분류 성능를 비교한다.

실험 결과

연구 질문

• RQ1 부분그래프 빈도에 기반한 저차원 좌표계가 다양한 유형의 사회 그래프를 효과적으로 표현하고 구분하는 데에 적합한가?
• RQ2 실제 사회 그래프가 부분그래프 빈도 공간에서 1차원 곡선에 따라 집합되는 정도는 어느 정도이며, 이를 설명할 수 있는 생성 과정은 무엇인가?
• RQ3 조합적 극값 제약 조건은 모든 그래프에 걸쳐 부분그래프 빈도의 타당 영역을 얼마나 제한하는가?
• RQ4 지역적 부분그래프 빈도 특징이 그래프 유형 분류에서 전역 그래프 특징을 능가할 수 있는가?

주요 결과

• 부분그래프 빈도만으로도 네트워크 이웃 관계, 사회 그룹, 이벤트를 구분하는 데 77%의 분류 정확도를 달성했다.
• 엣지 생성 랜덤 워크 기반의 확률적 생성 모델이 실제 사회 그래프의 경험적 1차원 집합 곡선을 매우 잘 따라가며, 부분그래프 빈도 공간에서의 집중 경향을 잘 반영한다.
• G_{n,p} 또는 엣지 생성 랜덤 워크 모델에 대한 잔차를 통합함으로써 분류 정확도가 최대 5% 향상되었으며, 이는 좌표계 보완에 있어 잔차의 유용성을 입증한다.
• 부분그래프 빈도와 전역 그래프 특징을 조합한 경우가 가장 높은 정확도(81–82%)를 기록하여 상호 보완적인 정보를 제공함을 시사한다.
• 전역 그래프 특징(예: 컴포넌트 크기, k-코어, 데그레더시)은 부분그래프 빈도만 사용한 경우보다 성능이 열등하여 69–76%의 정확도를 보였다.
• 부분그래프 빈도의 타당 영역은 극값 그래프 이론에 의해 제약을 받으며, 이 제약 조건은 해석 가능한 선형 프로그래밍을 통해 계산 가능하다.