[논문 리뷰] Best Friends Forever (BFF): Finding Lasting Dense Subgraphs

Konstantinos Semertzidis, Evaggelia Pitoura외 2명|arXiv (Cornell University)|2016. 12. 16.

Graph Theory and Algorithms참고 문헌 19인용 수 14

한 줄 요약

이 논문은 시간이 지남에 따라 여러 그래프 스냅샷을 거쳐도 안정적으로 유지되는 가장 밀도가 높은 노드 집합을 식별하기 위해 '최고의 친구들 영원히(Best Friends Forever, BFF)' 문제를 도입한다. BFF와 그 완화된 변종인 On-Off BFF(O²BFF)를 위한 효율적인 알고리즘을 제안하며, 모든 밀도 정의에 대해 NP-완전성을 증명하고 실제 및 합성 데이터셋에서 뛰어난 성능을 보이며, 시간에 따른 밀도 높은 부분그래프 탐지 및 확장성에 있어 주요 기여를 이룬다.

ABSTRACT

Graphs form a natural model for relationships and interactions between entities, for example, between people in social and cooperation networks, servers in computer networks, or tags and words in documents and tweets. But, which of these relationships or interactions are the most lasting ones? In this paper, we study the following problem: given a set of graph snapshots, which may correspond to the state of an evolving graph at different time instances, identify the set of nodes that are the most densely connected in all snapshots. We call this problem the Best Friends For Ever (BFF) problem. We provide definitions for density over multiple graph snapshots, that capture different semantics of connectedness over time, and we study the corresponding variants of the BFF problem. We then look at the On-Off BFF (O^2BFF) problem that relaxes the requirement of nodes being connected in all snapshots, and asks for the densest set of nodes in at least $k$ of a given set of graph snapshots. We show that this problem is NP-complete for all definitions of density, and we propose a set of efficient algorithms. Finally, we present experiments with synthetic and real datasets that show both the efficiency of our algorithms and the usefulness of the BFF and the O^2BFF problems.

연구 동기 및 목표

• 시간에 따라 변화하는 그래프의 모든 스냅샷을 거쳐 지속되는 가장 밀도가 높은 노드 집합을 식별하기.
• 소셜 또는 협업 네트워크와 같은 동적 네트워크에서 장기적이고 안정적인 관계를 탐지하는 과제를 다루기.
• 다양한 의미의 시간적 연결성을 반영하기 위해 다중 스냅샷에 걸쳐 밀도의 여러 정의를 체계화하기.
• 모든 스냅샷에서 밀도가 높은 것을 요구하는 조건을 완화하여, 최소 n개의 스냅샷 중 k개 이상에서 밀도가 높은 부분그래프를 찾는 O²BFF 문제를 도입하고 해결하기.
• 모든 밀도 정의에 대해 NP-완전성을 증명하면서도, BFF 및 O²BFF 변종에 대해 효율적이고 확장 가능한 알고리즘을 개발하기.

제안 방법

• 다양한 지속적인 연결성의 개념을 모델링하기 위해 다중 스냅샷에 걸친 그래프 밀도의 여러 변종을 정의하기.
• 각 밀도 정의에 따라 모든 스냅샷에서 최대 밀도를 가지는 노드 집합을 찾는 BFF 문제를 수식화하기.
• BFF의 완화된 형태인 O²BFF를 제안하며, 모든 스냅샷에서가 아니라 최소 k개의 스냅샷에서 밀도가 높은 노드 집합을 요구하기.
• 하위모듈라 최적화와 근사 선택 전략을 활용하여 O²BFF에 대한 효율적인 근사 및 정확 알고리즘 설계하기.
• 합성 및 실제 데이터셋(소셜 및 협업 네트워크 포함)을 사용하여 알고리즘을 구현하고 평가하기.
• 반복적 제거와 밀도 계산 기법을 활용하여 후보 부분그래프를 효율적으로 탐색하면서도 확장성 유지하기.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 네트워크에서 '지속적인' 밀도 높은 부분그래프는 무엇으로 정의되며, 이를 어떻게 체계적으로 모델링할 수 있는가?
• RQ2 동적 그래프의 모든 스냅샷을 거쳐 연결되어 있는 가장 밀도 높은 부분그래프를 효율적으로 계산할 수 있는가?
• RQ3 다양한 밀도 정의 하에서 BFF 및 O²BFF 문제의 계산 복잡도는 어떻게 되는가?
• RQ4 모든 스냅샷에서 요구되지 않는 조건 하에서도 최소 k개의 스냅샷에서 높은 품질의 밀도 높은 부분그래프를 찾을 수 있는 확장 가능한 알고리즘을 설계할 수 있는가?
• RQ5 제안된 알고리즘은 실제 및 합성 동적 네트워크 데이터에서 실제로 어떻게 성능을 발휘하는가?

주요 결과

• 모든 고려된 밀도 정의에 대해 O²BFF 문제는 NP-완전성이 입증되어 계산의 난이도를 입증한다.
• 제안된 알고리즘은 효율적으로 확장 가능하며, 대규모 동적 그래프를 처리할 수 있으며, 기준 방법 대비 런타임 성능이 수개의 지수 차수만큼 빠르게 작동한다.
• 실제 데이터셋에 대한 실험 결과, BFF 및 O²BFF는 장기간 지속되는 공동 연구 그룹과 같은 의미 있는 안정된 커뮤니티를 탐지한다.
• O²BFF 공식화는 전체 시간적 일관성이 요구되지 않는 상황에서도 밀도 높은 부분그래프를 성공적으로 식별하여 노이즈 또는 스냅샷 누락에 대한 강건성을 향상시킨다.
• 합성 및 실제 네트워크에서 둘 다 높은 밀도 점수를 기록하며, 다양한 밀도 정의에 걸쳐 일관된 성능을 보인다.
• 이 연구는 BFF 및 O²BFF가 장기적인 친구 그룹이나 안정된 연구 팀과 같은 실제 의미 있는 부분그래프를 드러내며, 강력한 해석 가능성을 보여준다.