[논문 리뷰] Comparing Graphs via Persistence Distortion

Tamal K. Dey, Dayu Shi외 1명|arXiv (Cornell University)|2015. 03. 25.

Topological and Geometric Data Analysis참고 문헌 31인용 수 16

한 줄 요약

이 논문은 유한한 거리 그래프를 연속적인 위상공간으로 간주함으로써 비교하기 위한 새로운 거리 척도인 영구-왜곡 거리를 소개한다. 영구 호몰로지와 계산 기하학을 활용하여, 거리의 변형에 대해 안정적이고 그래프 이산화에 대해 강건하며 다항시간 내에 계산 가능한 방법을 제공함으로써 기존 이산적 그래프 매칭 방법의 연속적이고 안정적이며 효율적인 대안을 제시한다.

ABSTRACT

Metric graphs are ubiquitous in science and engineering. For example, many data are drawn from hidden spaces that are graph-like, such as the cosmic web. A metric graph offers one of the simplest yet still meaningful ways to represent the non-linear structure hidden behind the data. In this paper, we propose a new distance between two finite metric graphs, called the persistence-distortion distance, which draws upon a topological idea. This topological perspective along with the metric space viewpoint provide a new angle to the graph matching problem. Our persistence-distortion distance has two properties not shared by previous methods: First, it is stable against the perturbations of the input graph metrics. Second, it is a continuous distance measure, in the sense that it is defined on an alignment of the underlying spaces of input graphs, instead of merely their nodes. This makes our persistence-distortion distance robust against, for example, different discretizations of the same underlying graph. Despite considering the input graphs as continuous spaces, that is, taking all points into account, we show that we can compute the persistence-distortion distance in polynomial time. The time complexity for the discrete case where only graph nodes are considered is much faster. We also provide some preliminary experimental results to demonstrate the use of the new distance measure.

연구 동기 및 목표

• 모든 점이 기하적 실현에 포함되는 것을 고려한, 거리 그래프를 비교하기 위한 안정적이고 연속적인 거리 측정법을 개발하는 것.
• 동일한 기하 구조를 가진 그래프의 다양한 이산화에 대해 강건성을 확보하는 것.
• Gromov-Hausdorff 거리와 같은 NP-난이도가 높은 그래프 매칭 방법의 계산 가능성을 확보하는 대안을 제공하는 것.
• 지속적 다이어그램과 거리 공간 정렬을 통합하여 위상적 데이터 분석과 그래프 비교를 연결하는 것.

제안 방법

• 영구-왜곡 거리는 거리 그래프의 기준점 함수로부터 유도된 영구 호몰로지 다이어그램 간의 교차 거리로 정의된다.
• 기준점 공간을 영구 다이어그램이 안정적으로 유지되는 영역으로 분해함으로써 효율적인 계산을 가능하게 한다.
• 그래프 내 지오데식 거리 함수의 성질을 활용하여 임계 영역의 수를 제한함으로써 계산 복잡도를 감소시킨다.
• 기준점을 그래프의 정점에서 샘플링하여 이산적 근사를 사용하며, 이론적으로 오차 한계(예: ≤12δ)를 정리 3을 통해 증명한다.
• 알고리즘은 샘플된 기준점의 영구 다이어그램 간의 봉합 거리를 계산하여 연속 거리를 근사한다.
• 이론적 분석을 통해 전체 그래프의 모든 점을 고려함에도 불구하고 연속적 영구-왜곡 거리를 다항시간 내에 계산할 수 있음을 보였다.

실험 결과

연구 질문

• RQ1 기하적 실현에 포함된 모든 점을 고려한 연속적이고 안정적이며 효율적으로 계산 가능한 거리 척도를 정의할 수 있는가?
• RQ2 지속적 호몰로지와 같은 위상적 불변량을 활용하여 이산화에 민감하지 않은 강건한 그래프 거리를 정의할 수 있는가?
• RQ3 거리의 변형에 대해 안정적인 다항시간 계산이 가능한 그래프 거리를 도출할 수 있는가?
• RQ4 영구-왜곡 거리와 그래프 편집 거리 또는 스펙트럼 매칭과 같은 기존 그래프 매칭 방법 간의 관계는 무엇인가?

주요 결과

• 영구-왜곡 거리는 거리의 변형에 대해 안정적이며, 그래프 거리의 미세한 변화가 거리 측정의 작은 변화로 이어짐을 보장한다.
• 이 방법은 연속적이므로 정점 대응관계가 아닌 전체 그래프의 기하 구조를 정렬함으로써 다양한 이산화에 대해 강건성을 향상시킨다.
• 전체 그래프의 모든 점을 고려함에도 불구하고 연속적 영구-왜곡 거리는 다항시간 내에 계산 가능하다.
• 이산적 근사에서 오차는 최대 12δ 이하이며, 여기서 δ는 기준점의 샘플링 밀도이다.
• 실험 결과, 유사한 모델(예: 동일한 물체의 다양한 자세)에 대해 거리 값이 작게 나타나, 유사한 그래프와 다른 그래프를 구분하는 데 성공함을 보여준다.
• 거리 계산에 소요되는 평균 실행 시간은 10초 이내이며, 더 큰 그래프(예: 아르마딜로)의 경우 최대 20초가 소요되어 실용적인 효율성을 입증한다.