[论文解读] A Fast Sampling Method of Exploring Graphlet Degrees of Large Directed and Undirected Graphs

Pinghui Wang, Xiangliang Zhang+7 more|arXiv (Cornell University)|Apr 29, 2016

Complex Network Analysis Techniques参考文献 25被引用 6

一句话总结

本文提出了SAND和SAND-3D，分别用于在大规模无向图和有向图中可扩展地采样以估计节点图谱轨道度数。通过利用针对特定节点定制的新型随机采样技术，该方法实现了快速、精确的估计，并通过解析推导的方差界实现误差控制，在百万条边的图上相比枚举方法提速数个数量级。

ABSTRACT

Exploring small connected and induced subgraph patterns (CIS patterns, or graphlets) has recently attracted considerable attention. Despite recent efforts on computing the number of instances a specific graphlet appears in a large graph (i.e., the total number of CISes isomorphic to the graphlet), little attention has been paid to characterizing a node's graphlet degree, i.e., the number of CISes isomorphic to the graphlet that include the node, which is an important metric for analyzing complex networks such as social and biological networks. Similar to global graphlet counting, it is challenging to compute node graphlet degrees for a large graph due to the combinatorial nature of the problem. Unfortunately, previous methods of computing global graphlet counts are not suited to solve this problem. In this paper we propose sampling methods to estimate node graphlet degrees for undirected and directed graphs, and analyze the error of our estimates. To the best of our knowledge, we are the first to study this problem and give a fast scalable solution. We conduct experiments on a variety of real-word datasets that demonstrate that our methods accurately and efficiently estimate node graphlet degrees for graphs with millions of edges.

研究动机与目标

• 解决大规模网络中计算节点图谱轨道度数缺乏高效方法的问题。
• 开发基于采样的方法，以高效估计包含特定节点的图谱数量，重点关注自同构轨道。
• 推导估计值方差的解析表达式，以实现误差控制和最优采样预算确定。
• 为无向图和有向图分别设计可扩展算法SAND和SAND-3D，其性能优于暴力枚举方法。
• 在具有数百万条边的真实世界数据集上展示该方法的准确性和效率。

提出的方法

• 提出Randgraf-3-1、Randgraf-3-2以及多种Randgraf-4变体，用于采样包含给定节点的3-节点和4-节点连通诱导子图（CISes）。
• 引入SAND和SAND-3D，分别作为无向图和有向图中图谱轨道度数的可扩展估计器，通过独立样本的加权组合实现。
• 推导每类轨道度数估计值的闭式方差表达式，以实现误差界和最优采样预算选择。
• 使用与轨道相关的采样权重（λ）组合来自不同采样策略（如Randgraf-4-1和Randgraf-4-2）的估计值，以降低方差。
• 对轨道度数估计值之间的协方差进行分析，以建模依赖关系并优化方差估计。
• 为不同轨道类型使用独立的采样流，以最小化相关性并提高估计稳定性。

实验结果

研究问题

• RQ1 我们能否设计一种采样方法，以高效估计大规模图中节点的图谱轨道度数，而无需暴力枚举？
• RQ2 如何最小化图谱轨道度数估计值的方差，以在最小采样量下确保准确性？
• RQ3 在无向图和有向图中，针对不同轨道类型，最优的采样策略组合是什么？
• RQ4 所提出的方法能否在具有数百万条边的图上保持高准确度并实现可扩展性？
• RQ5 解析方差界与经验方差相比如何？它们能否指导采样预算分配？

主要发现

• SAND和SAND-3D在大规模图上估计图谱轨道度数时，相比最先进的枚举方法实现了数个数量级的速度提升。
• 解析方差表达式能准确预测估计误差，从而实现可靠的误差界和最优采样预算确定。
• 该方法在大规模真实世界数据集（包括具有数百万条边的社会网络和生物网络）上仍保持高准确度。
• 使用多种采样策略（如Randgraf-4-1和Randgraf-4-2）并进行加权组合，比单一策略采样更有效地降低方差。
• 实证结果证实，推导出的协方差表达式与观测到的方差高度吻合，验证了理论模型的正确性。
• SAND的开源发布确保了可复现性，并促进了其在网络分析应用中的采用。