[논문 리뷰] First-Order Model-Checking in Random Graphs and Complex Networks

Jan Dreier, Philipp Kuinke외 1명|arXiv (Cornell University)|2020. 01. 01.

Formal Methods in Verification참고 문헌 63인용 수 1

한 줄 요약

이 논문은 공식 길이로 매개변수화된 거의 선형 시간 고정 매개변수 가능(FPT) 일阶 논리 모델 체킹을 가능하게 하기 위해 α-파워 라이의 경계가 있는 무작위 그래프 모델을 도입한다. α ≥ 3일 때 이러한 모델에서 p-MC(FO, G)는 임의의 ε > 0에 대해 f(|ϕ|)n^{1+ε} 시간 내에 해결될 수 있으며, 이는 선호적 첨부, Chung–Lu, 구성, 희박한 Erdős–Rényi 그래프 등으로의 타당성 일반화를 가능하게 한다.

ABSTRACT

Complex networks are everywhere. They appear for example in the form of biological networks, social networks, or computer networks and have been studied extensively. Efficient algorithms to solve problems on complex networks play a central role in today's society. Algorithmic meta-theorems show that many problems can be solved efficiently. Since logic is a powerful tool to model problems, it has been used to obtain very general meta-theorems. In this work, we consider all problems definable in first-order logic and analyze which properties of complex networks allow them to be solved efficiently. The mathematical tool to describe complex networks are random graph models. We define a property of random graph models called $α$-power-law-boundedness. Roughly speaking, a random graph is $α$-power-law-bounded if it does not admit strong clustering and its degree sequence is bounded by a power-law distribution with exponent at least $α$ (i.e. the fraction of vertices with degree $k$ is roughly $O(k^{-α})$). We solve the first-order model-checking problem (parameterized by the length of the formula) in almost linear FPT time on random graph models satisfying this property with $α\ge 3$. This means in particular that one can solve every problem expressible in first-order logic in almost linear expected time on these random graph models. This includes for example preferential attachment graphs, Chung-Lu graphs, configuration graphs, and sparse Erdős-Rényi graphs. Our results match known hardness results and generalize previous tractability results on this topic.

연구 동기 및 목표

• 복잡한 네트워크의 구조적 성질 중 효율적인 일阶 논리 모델 체킹을 가능하게 하는 요소를 규명하는 것.
• 실제 세계 네트워크의 핵심 특징인 파워 라이의 도수 분포와 낮은 클러스터링을 반영하는 일반적인 무작위 그래프 모델 클래스인 α-파워 라이의 경계가 있는 그래프를 정의하는 것.
• 이러한 모델에서 일阶 논리 모델 체킹에 대해 거의 선형 FPT 시간 알고리즘을 확립하여 기존의 타당성 결과를 확장하는 것.
• 무작위 그래프 추상화를 사용하여 알고리즘 메타정리와 실제 세계 네트워크 모델 간의 다리를 놓는 것.

제안 방법

• α-파워 라이의 경계성 도입: 무작위 그래프 모델이 α ≥ 3인 파워 라이 법칙을 따르는 도수 순서를 가지며 강한 클러스터링을 보이지 않을 경우 이를 α-파워 라이의 경계가 있는 것으로 간주한다.
• Gaifman의 국소성 정리를 사용하여 일阶 논리 모델 체킹 문제를 정점의 국소 r-이웃 영역으로 환원한다.
• α-파워 라이의 경계가 있는 그래프에서 이웃 영역의 구조적 분해를 구성하여 효율적인 국소 계산을 가능하게 한다.
• 소월성 성질과 유계 확장성을 활용하여 국소 이웃 영역이 작고 실질적으로 계산 가능하다는 것을 보장한다.
• α ≥ 3일 때 기대 삼각형 수가 n에 대해 다항로그 수준임을 증명하여 강한 클러스터링 부재를 뒷받침한다.
• 변환 기법을 적용하여 간접적으로 클러스터링된 모델로 결과를 확장한다. 이를 위해 일부 클러스터링된 모델이 α-파워 라이의 경계가 있는 모델의 일阶 변환임을 보여준다.

실험 결과

연구 질문

• RQ1 파워 라이의 도수 분포와 낮은 클러스터링을 가지는 복잡한 네트워크 모델에서 일阶 논리 모델 체킹이 효율적으로 해결될 수 있는가?
• RQ2 무작위 그래프 모델의 어떤 구조적 성질이 일阶 논리 모델 체킹에 대해 거의 선형 FPT 시간을 가능하게 하는가?
• RQ3 α-파워 라이의 경계성은 어디서나 밀도가 없는 성질이나 유계 확장성과 어떻게 관련이 있는가?
• RQ4 이 프레임워크는 Kleinberg나 하이퍼볼릭 무작위 그래프 모델과 같은 클러스터링된 무작위 그래프 모델로 확장될 수 있는가?
• RQ5 일阶 변환을 통해 α-파워 라이의 경계가 있는 모델에서 클러스터링된 모델로 타당성이 전이될 수 있는가?

주요 결과

• α ≥ 3인 α-파워 라이의 경계가 있는 무작위 그래프 모델에서 일阶 논리 모델 체킹 문제 p-MC(FO, G)는 임의의 ε > 0에 대해 거의 선형 FPT 시간 f(|ϕ|)n^{1+ε} 내에 해결 가능하다.
• 이 프레임워크는 선호적 첨부 그래프, Chung–Lu 그래프, 구성 모델, 희박한 Erdős–Rényi 그래프와 같은 잘 알려진 모델들을 포함한다.
• α ≥ 3인 α-파워 라이의 경계가 있는 그래프에서 삼각형의 기대 수는 n에 대해 다항로그 수준이며, 낮은 클러스터링을 확인한다.
• 무작위 교차 그래프 및 기타 높은 클러스터링 성질을 가진 모델들은 어떤 α에 대해서도 α-파워 라이의 경계가 없음을 보여, 현재 프레임워크의 한계를 시사한다.
• 알고리즘의 실행 시간이 공식 길이에 대한 의존성은 비초월적(exponential)이며, 나무에서 알려진 하한값과 일치하므로 이는 평균 케이스 설정에서 본질적인 것으로 보인다.
• 결과적으로 클러스터링된 모델은 α-파워 라이의 경계가 있는 모델의 일阶 변환을 통해 다룰 수 있으며, 향후 확장 가능성을 열어 놓는다.