[论文解读] Exact alignment recovery for correlated Erdős-Rényi graphs

Daniel Cullina, Negar Kiyavash|arXiv (Cornell University)|Nov 18, 2017

Graph Theory and Algorithms参考文献 11被引用 38

一句话总结

本文確立了在兩個相關的Erdős-Rényi隨機圖之間恢復頂點對應關係的精確資訊理論閾值，表明當邊相關性足夠強且圖形處於輕度稀疏狀態時，以高概率可實現精確對齊。主要貢獻在於對完美恢復可實現條件的緊緻特徵化，彙整了先前在植入手 permutation 模型下圖形對齊研究中的差距。

ABSTRACT

We consider the problem of perfectly recovering the vertex correspondence between two correlated Erdős-Rényi (ER) graphs on the same vertex set. The correspondence between the vertices can be obscured by randomly permuting the vertex labels of one of the graphs. We determine the information-theoretic threshold for exact recovery, i.e. the conditions under which the entire vertex correspondence can be correctly recovered given unbounded computational resources.

研究动机与目标

• 確定兩個相關Erdős-Rényi圖之間真實頂點對應關係可被完全恢復的精確資訊理論條件。
• 彙整稀疏隨機圖模型中圖形對齊恢復的先前可實現性與對策邊界之間的差距。
• 分析邊相關性與稀疏性在促成或阻止所植入手頂點排列完全恢復中的作用。
• 推廣並精煉先前關於圖形對齊與隨機圖中自同構群平凡性的結果。
• 提供一個精確的恢復閾值，使其在稀疏區域內與可實現性與對策結果完全匹配。

提出的方法

• 使用雙變量邊機率向量 $\mathbf{p} = (p_{11}, p_{10}, p_{01}, p_{00})$ 建模兩個相關Erdős-Rényi圖的聯合分佈，其中邊在頂點對之間獨立同分佈。
• 引入一個植入手頂點排列 $\Pi$ 以匿名化其中一個圖，並研究從匿名圖 $G_c$ 和原始圖 $G_b$ 恢復 $\Pi$ 的問題。
• 推導出可實現性結果，表明當 $p_{11} \geq \frac{\log n + \omega(1)}{n}$，$p_{11} = \mathcal{O}(1/\log n)$，$p_{01} + p_{10} = \mathcal{O}(1/\log n)$，且 $\frac{p_{01}p_{10}}{p_{11}p_{00}} = \mathcal{O}(1/(\log n)^3)$ 時，以高概率可實現精確恢復。
• 建立對策邊界，表明若 $p_{11} \leq \frac{\log n - \omega(1)}{n}$ 且 $\frac{p_{01}p_{10}}{p_{11}p_{00}} < 1$，則任何估計器均無法以 $o(1)$ 的機率恢復 $\Pi$。
• 使用生成函數與組合恆等式分析一致標籤數量，進而推導出正確對齊機率的邊界。
• 應用 $p$-範數不等式推導出關鍵的生成函數不等式，用以邊界有效匹配數量，並建立緊緻的閾值。

实验结果

研究问题

• RQ1 兩個相關Erdős-Rényi圖之間真實頂點對應關係可被精確恢復的精確條件為何？
• RQ2 圖形之間相關性的強度如何影響精確對齊恢復的可行性？
• RQ3 稀疏性在限制或促成精確恢復中的作用為何？邊機率參數在此區域中如何相互作用？
• RQ4 能否彙整圖形對齊現有可實現性與對策邊界之間的差距，從而獲得緊緻的閾值？
• RQ5 Erdős-Rényi圖的自同構群變為平凡的條件為何？這與對齊恢復有何關聯？

主要发现

• 本文確立了精確的資訊理論閾值：在輕度稀疏約束下，當且僅當 $p_{11} \geq \frac{\log n + \omega(1)}{n}$ 且 $\frac{p_{01}p_{10}}{p_{11}p_{00}} = \mathcal{O}(1/(\log n)^3)$ 時，以高概率可實現精確對齊恢復。
• 對策邊界表明，若 $p_{11} \leq \frac{\log n - \omega(1)}{n}$ 且 $\frac{p_{01}p_{10}}{p_{11}p_{00}} < 1$，則任何估計器均無法以 $o(1)$ 的機率恢復排列，證實該閾值為緊緻。
• 結果在 $p_{11} \to 0$ 且 $p_{01}, p_{10} \to 0$ 時，可恢復Wright關於Erdős-Rényi圖自同構群平凡性的已知結果作為特例。
• 分析顯示，精確恢復的關鍵因素是比值 $\frac{p_{01}p_{10}}{p_{11}p_{00}}$，該比值必須足夠小，以避免邊對應關係的模糊性。
• 可實現性與對策邊界在稀疏區域內完全匹配，確認所推導的條件對精確恢復而言既必要又充分。
• 使用生成函數與組合恆等式可精確分析一致標籤數量，進而導出恢復機率的緊緻邊界。