[论文解读] A General Framework for Estimating Graphlet Statistics via Random Walk

Xiaowei Chen, Yongkun Li+2 more|arXiv (Cornell University)|Mar 24, 2016

Complex Network Analysis Techniques参考文献 47被引用 11

一句话总结

本文提出了一种通用框架，通过随机游走估计大规模图中的图基统计量，实现在无需完整图访问的情况下高效且准确地计算。通过利用切尔诺夫-霍夫丁不等式进行无偏估计，并引入两种新颖的优化技术，该方法减少了样本量需求，在准确性和速度方面相比最先进方法最高提升一个数量级。

ABSTRACT

Graphlets are induced subgraph patterns and have been frequently applied to characterize the local topology structures of graphs across various domains, e.g., online social networks (OSNs) and biological networks. Discovering and computing graphlet statistics are highly challenging. First, the massive size of real-world graphs makes the exact computation of graphlets extremely expensive. Secondly, the graph topology may not be readily available so one has to resort to web crawling using the available application programming interfaces (APIs). In this work, we propose a general and novel framework to estimate graphlet statistics of "any size". Our framework is based on collecting samples through consecutive steps of random walks. We derive an analytical bound on the sample size (via the Chernoff-Hoeffding technique) to guarantee the convergence of our unbiased estimator. To further improve the accuracy, we introduce two novel optimization techniques to reduce the lower bound on the sample size. Experimental evaluations demonstrate that our methods outperform the state-of-the-art method up to an order of magnitude both in terms of accuracy and time cost.

研究动机与目标

• 解决在大规模图中估计图基统计量的挑战，其中精确计算不可行。
• 在无法获取完整图拓扑结构的情况下，实现图基统计量的估计，依赖API驱动的网络爬取。
• 开发一种通用框架，适用于任意大小的图基。
• 通过解析边界和优化技术，最小化样本量，同时确保估计准确性。

提出的方法

• 该框架通过连续的随机游走收集图基样本，以探索图的局部结构。
• 采用无偏估计器计算图基统计量，通过样本量的切尔诺夫-霍夫丁不等式保证收敛性。
• 推导出一种新颖的解析边界，以确定实现期望准确度所需的最小样本量。
• 引入两种优化技术，以收紧对所需样本量的下限估计，提升效率。
• 该方法设计为通用且可扩展，适用于任意大小和拓扑结构的图基。

实验结果

研究问题

• RQ1 在受限或无完整图拓扑访问的情况下，如何高效估计大规模图中的图基统计量？
• RQ2 使用随机游走采样时，实现期望估计准确度所需的最小样本量是多少？
• RQ3 优化技术能否在不损害估计准确度的前提下减少所需样本量？
• RQ4 与现有最先进方法相比，所提出的框架在准确性和性能方面表现如何？

主要发现

• 通过解析边界和优化技术，该框架减少了样本量需求，提升了估计效率。
• 与最先进方法相比，该方法在准确度和时间成本方面最高提升一个数量级。
• 实验评估证实了该框架在多种图类型下的可扩展性和鲁棒性。
• 即使在无法获取完整图访问的情况下，该框架也能实现准确的图基统计量估计。