[论文解读] A Local Algorithm for Finding Dense Subgraphs

Reid Andersen|ArXiv.org|Feb 13, 2007

Advanced Graph Theory Research被引用 13

一句话总结

本文提出一种局部算法，通过在邻接矩阵上模拟剪枝生长过程，在二分图中寻找稠密子图，对任意密度为θ的子图实现Ω(θ/log n)的稠密度近似。该算法运行时间为O(Δk²)，与图的大小无关，并保证在给定起始顶点附近找到高质量的子图，而无需扫描整个图。

ABSTRACT

We present a local algorithm for finding dense subgraphs of bipartite graphs, according to the definition of density proposed by Kannan and Vinay. Our algorithm takes as input a bipartite graph with a specified starting vertex, and attempts to find a dense subgraph near that vertex. We prove that for any subgraph S with k vertices and density theta, there are a significant number of starting vertices within S for which our algorithm produces a subgraph S' with density theta / O(log n) on at most O(D k^2) vertices, where D is the maximum degree. The running time of the algorithm is O(D k^2), independent of the number of vertices in the graph.

研究动机与目标

• 开发一种局部算法，无需扫描整个图即可在指定起始顶点附近识别稠密子图。
• 为所找到子图的稠密度提供相对于最优子图稠密度的理论近似保证。
• 通过从多个起始顶点运行算法，实现在并行中发现多个小型稠密子图。
• 对输出子图的大小进行约束，使其适用于需要可控大小子图的应用。
• 将谱技术扩展至局部计算，利用稠密子图与邻接矩阵最大特征值之间的关系。

提出的方法

• 该算法使用剪枝生长过程，通过迭代应用矩阵-向量乘法来更新表示顶点权重的向量，随后通过舍入操作限制支持集大小。
• 在每一步中，算法计算$ x_t = \text{round}(x_{t-1}A) - r_t $，其中$ r_t $为剪枝分量，以确保稀疏性并实现高效计算。
• 剪枝阈值$ \epsilon_t = 2^t / (8\sqrt{n}) $被设定为在近似质量与稀疏性之间取得平衡，控制非零条目数量。
• 该算法维护一个具有小支持集的向量$ x_t $，使得计算时间与该向量非零顶点的关联边数成正比。
• 在每一步中，通过诱导子图$ (X^t_i, Y^t_j) $评估稠密度，其中$ X^t_i $和$ Y^t_j $分别为$ x_t $左、右分量的支持集。
• 理论分析采用谱方法，将内积$ \langle x_t, \phi \rangle $的增长与最大特征值$ \lambda $关联，以证明近似保证。

实验结果

研究问题

• RQ1 能否设计一种局部算法，在不依赖图总大小的前提下，找到给定顶点附近的稠密子图并提供近似保证？
• RQ2 在局部稠密子图检测中，运行时间与近似质量之间的权衡是什么？
• RQ3 如何将谱技术适配为具有可证明性能保证的局部算法？
• RQ4 能否通过改变起始顶点，高效并行地发现多个小型稠密子图？
• RQ5 是否可能在保持强近似保证的同时，对输出子图的大小进行约束？

主要发现

• 对于任意密度为θ的子图$ (S,T) $，在$ S \cup T $中存在大量起始顶点，使得该算法能产生密度为Ω(θ / log n)的子图。
• 该算法运行时间为$ O(\Delta k^2) $，其中$ k = |S| + |T| $，且与图中总顶点数无关。
• 输出子图的大小被限制在$ O(\Delta k^2) $以内，确保可扩展性并控制输出大小。
• 该算法使用剪枝生长过程，通过受控舍入保持稀疏性，从而降低计算成本。
• 理论分析表明，内积$ \langle x_t, \phi \rangle $的增长速度至少为$ (\lambda/2)^t $，从而支持近似保证。
• 空间复杂度为$ O(n \log \log n) $比特，因为同一时间仅需存储两个向量。