[논문 리뷰] Submodular Cost Submodular Cover with an Approximate Oracle

Victoria G. Crawford, Alan Kuhnle외 1명|arXiv (Cornell University)|2019. 08. 01.

Complexity and Algorithms in Graphs인용 수 5

한 줄 요약

이 논문은 정확한 값 오라클이 아닌 근사값 오라클을 사용할 때, 부분모듈러비용부분커버(SCSC) 문제에 대해 두 가지 새로운 근사 비율을 제안한다. $\epsilon$-근사 대체 함수를 다루기 위해 청구 논증의 변형을 도입하여, 최소 한계 기여도가 $\epsilon$를 초과할 경우 그레디언트 알고리즘이 강력한 근사 보장을 유지함을 보여준다. 핵심 기여는 노이즈가 있거나 정확하지 않은 함수 평가가 있는 상황에서도 실용적이고 계산 가능한 근사 품질의 경계를 제공한다는 점이며, 이는 사회적 네트워크에서의 影響확산 최적화 문제에서 검증되었다.

ABSTRACT

In this work, we study the Submodular Cost Submodular Cover problem, which is to minimize the submodular cost required to ensure that the submodular benefit function exceeds a given threshold. Existing approximation ratios for the greedy algorithm assume a value oracle to the benefit function. However, access to a value oracle is not a realistic assumption for many applications of this problem, where the benefit function is difficult to compute. We present two incomparable approximation ratios for this problem with an approximate value oracle and demonstrate that the ratios take on empirically relevant values through a case study with the Influence Threshold problem in online social networks.

연구 동기 및 목표

• 정확한 값 오라클이 가용하지 않은 경우 SCSC에 대한 근사 보장이 부족한 점을 보완하기 위해.
• 함수 $f$를 직접 계산하기 어려운 경우 $\epsilon$-근사 오라클 하에서 그레디언트 알고리즘에 대한 근사 비율을 개발하기 위해.
• 정확성과 실용성의 균형을 위해, $f$에 대한 액세스가 필요한 하나의 근사 비율과, 대체함수 $F$에만 의존하는 다른 하나의 근사 비율을 제공하기 위해.
• 실제 사회 네트워크 데이터셋(페이스북, GrQc)을 사용하여, 평균 도달 가능성 스키마 오라클을 활용한 영향력 임계값 문제에서 이론적 경계를 실증적으로 검증하기 위해.

제안 방법

• Wan 등(2010)의 청구 논증을 변형하여, 최소 한계 기여도가 $\epsilon$를 초과할 경우 $\epsilon$-근사 오라클 하에서 그레디언트 알고리즘을 분석하는 데에 활용한다.
• 진짜 함수 $f$를 쿼리하여 계산이 필요한 Theorem 1을 유도하며, 더 낫게 조밀한 경계를 제공한다.
• 오직 대체함수 $F$에 의존하는 Theorem 2를 유도하여, $f$에 접근할 수 없는 실용적인 환경에서도 계산이 가능하도록 한다.
• Cohen 등(2014)의 평균 도달 가능성 스키마를 사회 네트워크에서 영향력 함수의 비부분모듈러적 $\epsilon$-근사로 활용한다.
• 실제 데이터셋(페이스북, GrQc)을 사용하여, 오라클 오차 $\epsilon$와 임계값 $\tau$가 변화함에 따라 근사 비율을 평가한다.
• 정확한 비율(함수 $f$를 사용)과 상한 경계(오직 $F$만 사용)를 계산하여, 이론적 보장과 실용 가능성 간의 비교를 수행한다.

실험 결과

연구 질문

• RQ1 정확한 이득 함수 $f$의 오라클이 없고, 오직 $\epsilon$-근사 오라클 뿐이라면, SCSC에 대한 그레디언트 알고리즘이 강력한 근사 보장을 유지할 수 있는가?
• RQ2 해결책에 포함된 요소들의 최소 한계 기여도가 $\epsilon$를 초과할 경우, $\epsilon$-근사 오라클 하에서 SCSC에 대한 그레디언트 알고리즘의 근사 비율은 얼마인가?
• RQ3 이론적 근사 비율인 Theorem 1과 Theorem 2는 실무에서 어떻게 비교되는가? 특히 $f$에 접근할 수 없고 오직 대체함수 $F$만 이용 가능한 경우에 대해.
• RQ4 유도된 근사 비율은 실세계의 응용, 예를 들어 사회 네트워크에서의 영향력 임계값 문제에서 실제로 유의미한 값을 취하는가?

주요 결과

• 진짜 함수 $f$에 액세스가 필요한 Theorem 1의 근사 비율은, 오직 대체함수 $F$에 의존하는 Theorem 2의 상한 경계보다 더 낫다.
• 페이스북 데이터셋의 경우, 고기여도 노드가 선택된 후 한계 기여도가 급격히 감소함에 따라 임계값 $\tau$가 증가함에 따라 근사 비율이 더 빨리 악화된다.
• GrQc 데이터셋에서는 한계 기여도가 더 지속적으로 유지되어, $\tau$가 증가함에 따라 근사 비율의 악화가 더 느리게 나타난다.
• 더 작은 오라클 오차 $\epsilon$는 근사 비율을 크게 향상시키며, $\epsilon$이 감소할수록 두 이론적 경계 모두 개선된다.
• Theorem 2에서 유도된 상한 경계는 오직 대체함수 $F$만으로 계산 가능하므로, $f$를 계산할 수 없는 실세계 환경에서의 구현에 실용적이다.
• $\epsilon = 0$일 경우, Theorem 2의 비율은 기존의 경계와 비교할 수 없으며, SCSC에 대한 새로운 이론적 기여를 제공한다.