[논문 리뷰] A measure of similarity between graph vertices

Vincent D. Blondel, Anahí Gajardo외 3명|ArXiv.org|2004. 07. 28.

Complex Network Analysis Techniques참고 문헌 9인용 수 12

한 줄 요약

이 논문은 인접 행렬 기반의 반복 행렬 방법을 사용하여 방향성 그래프 내 정점 간의 새로운 유사도 측정법을 제안한다. 이 방법은 클라인버그의 허브/권한 점수 프레임워크를 일반화하여, 비음수 행렬의 주된 고유벡터를 통한 유사도 점수 계산을 통해 동의어 추출 및 웹 검색의 관련성 순위 매기기 등 다양한 응용을 가능하게 한다.

ABSTRACT

We introduce a concept of similarity between vertices of directed graphs. Let G_A and G_B be two directed graphs. We define a similarity matrix whose (i, j)-th real entry expresses how similar vertex j (in G_A) is to vertex i (in G_B. The similarity matrix can be obtained as the limit of the normalized even iterates of a linear transformation. In the special case where G_A=G_B=G, the matrix is square and the (i, j)-th entry is the similarity score between the vertices i and j of G. We point out that Kleinberg's "hub and authority" method to identify web-pages relevant to a given query can be viewed as a special case of our definition in the case where one of the graphs has two vertices and a unique directed edge between them. In analogy to Kleinberg, we show that our similarity scores are given by the components of a dominant eigenvector of a non-negative matrix. Potential applications of our similarity concept are numerous. We illustrate an application for the automatic extraction of synonyms in a monolingual dictionary.

연구 동기 및 목표

• 다양한 그래프 기반 작업에 적용 가능한, 원칙적이고 계산 가능한 두 방향성 그래프 정점 간의 유사도 측정법을 정의하기.
• 클라인버그의 허브 및 권한 점수 프레임워크를 임의의 그래프 쌍 간의 더 넓은 유사도 맥락으로 일반화하기.
• 자동 동의어 추출 및 웹 검색 관련성 향상과 같은 실용적 응용을 가능하게 하기.
• 유사도 행렬의 이론적 성질을 수립하기, 특히 수렴성과 스펙트럼 특성화.
• 유사도 행렬을 통해 그래프 동형성과 곱 그래프의 구조적 성질 간의 관계 탐색하기.

제안 방법

• 유사도 행렬 S를 반복식 S(k+1) = B S(k) A^T + B^T S(k) A의 정규화된 짝수 반복의 극한으로 정의하며, S(0)은 모두 1로 이루어진 행렬이다.
• 두 방향성 그래프의 인접 행렬 A와 B를 사용하여 정점 간의 유사도 점수를 계산한다.
• 유사도 점수들이 A와 B로부터 유도된 비음수 행렬의 주고유벡터의 성분과 대응됨을 보여준다.
• G_A와 G_B로부터 곱 그래프를 구성하고, 이를 대칭화한 후, 페론 최대 고유값을 갖는 연결 성분을 식별하여 비영 유사도 항목을 결정한다.
• 어휘 공존을 그래프로 모델링하고 정점 유사도를 계산함으로써 실제 작업인 동의어 추출에 적용한다.
• 반복 행렬의 스펙트럼 성질을 이용하여 짝수 및 홀수 부분수열의 수렴성을 증명하고, 극한 행동을 특성화한다.

실험 결과

연구 질문

• RQ1 두 방향성 그래프 정점 간의 일반적인 유사도 측정법은 어떻게 정의하고 안정적이고 확장 가능한 방식으로 계산할 수 있는가?
• RQ2 이 유사도 측정법은 클라인버그의 허브 및 권한 점수 방법을 어떤 방식으로 일반화하는가?
• RQ3 유사도 행렬의 스펙트럼적 및 구조적 성질은 무엇이며, 그래프의 연결성과 어떻게 관련되는가?
• RQ4 유사도 행렬을 사용하여 그래프 동형성을 탐지하거나 그래프 간의 구조적 동치성을 식별할 수 있는가?
• RQ5 유사도 행렬의 모든 항목이 양수일 조건은 무엇이며, 이는 곱 그래프의 연결성과 어떻게 관련되는가?

주요 결과

• 유사도 행렬 S는 두 그래프의 인접 행렬 A와 B를 포함하는 선형 재귀식의 정규화된 짝수 반복의 극한으로 구해진다.
• 유사도 점수들은 비음수 행렬의 주고유벡터 성분과 대응되며, 이는 안정성과 해석 가능성 보장한다.
• 이 방법은 클라인버그의 허브 및 권한 알고리즘을 일반화한다: 한 그래프가 두 정점 간의 방향 간선일 경우, 유사도 점수는 허브 및 권한 점수로 축소된다.
• 유사도 행렬의 모든 항목이 양수임과 동시에 대칭화된 곱 그래프 G_A와 G_B가 연결되어 있을 때 정확히 동일한 조건이 성립한다.
• 유사도 행렬을 사용하여 동형성을 탐지할 수 있다: 유사도 행렬 S의 행과 열을 순열함으로써 대칭이 되면 그래프는 동형일 수 있으며, 이는 행렬의 모든 항목이 서로 다를 경우 다항식 시간 내에 확인 가능하다.
• 실험 결과는 이 방법이 공존 그래프 내에서 구조적으로 유사한 어휘 정점들을 식별함으로써 단일 언어 사전에서 동의어를 효과적으로 추출함을 보여준다.