[論文レビュー] Low congestion online routing and an improved mistake bound for online prediction of graph labeling

Jittat Fakcharoenphol, Boonserm Kijsirikul|ArXiv.org|Sep 11, 2008

Complexity and Algorithms in Graphs参考文献 8被引用数 6

ひとこと要約

本稿は、オンライン低混雑度ルーティングとオンライングラフラベル予測の間の新しい接続を確立し、エッジの混雑度 ≤α を保証する任意のルーティングアルゴリズムが、誤り数の上限 ≤α·|cut(ℓ)| を持つ予測アルゴリズムを導くことを示している。木構造では、O(log n)·|cut(ℓ)| の誤り数の上限が得られ、有効抵抗やクラスタ構造に基づく従来の手法を改善し、純粋な組合せ的証明により非二値ラベルへ一般化可能である。

ABSTRACT

In this paper, we show a connection between a certain online low-congestion routing problem and an online prediction of graph labeling. More specifically, we prove that if there exists a routing scheme that guarantees a congestion of $α$ on any edge, there exists an online prediction algorithm with mistake bound $α$ times the cut size, which is the size of the cut induced by the label partitioning of graph vertices. With previous known bound of $O(\log n)$ for $α$ for the routing problem on trees with $n$ vertices, we obtain an improved prediction algorithm for graphs with high effective resistance. In contrast to previous approaches that move the graph problem into problems in vector space using graph Laplacian and rely on the analysis of the perceptron algorithm, our proof are purely combinatorial. Further more, our approach directly generalizes to the case where labels are not binary.

研究の動機と目的

• オンライン低混雑度ルーティングとオンライングラフ頂点ラベル予測の間の理論的接続を確立すること。
• ルーティングの混雑度保証に基づくオンラインラベル予測の誤り数の上限を導出すること。
• グラフラプラシアンや有効抵抗に依存する既存の誤り数の上限を、純粋な組合せ的アプローチにより改善すること。
• 結果を非二値ラベル関数へ一般化すること。

提案手法

• 新しいクエリを以前にラベルが付与された頂点にルーティングする予測アルゴリズムを提案し、与えられたルーティング方式を用いる。
• 各予測誤りを、ルーティング経路上のカットエッジに割り当て、混雑度が α で制限される場合、各カットエッジが高々 α 回しか割り当てられないように保証する。
• 木構造におけるオンラインルーティングの既知の O(log n) 混雑度バウンドを用いて、グラフレベル予測の誤り数の上限 O(log n)·|cut(ℓ)| を導出する。
• 同じ誤り数の上限が、二値ラベルに限らず一般のラベル集合 L に対しても成り立つことを証明する。
• 線グラフに対しては定数倍の誤差で最適であることを示し、誤り数が Ω(log n) に達するような敵対的環境を構築可能である。
• ベクトル空間埋め込みやカーネル法を避けるチャージングアーギュメントを用い、パーセプトロンやラプラシアンに基づく解析とは異なるアプローチを取る。

実験結果

リサーチクエスチョン

• RQ1 オンラインルーティングの混雑度バウンドを用いて、オンライングラフレベル予測の誤り数の上限を改善できるか？
• RQ2 組合せ的ルーティングに基づくアプローチは、既存のラプラシアンやパーセプトロンに基づく手法と比較して、誤り数の上限の質においてどのように異なるか？
• RQ3 提案手法は非二値ラベル関数へ一般化可能か？
• RQ4 ルーティングから予測への還元は、有効抵抗やクラスタ構造に基づく手法よりもタイトなバウンドをもたらすか？
• RQ5 一般のグラフに対して O(log n)·|cut(ℓ)| のバウンドは最適か、それ以上に改善可能か？

主な発見

• 本稿は、混雑度 α のオンラインルーティングから、誤り数の上限 α·|cut(ℓ)| のオンラインラベル予測への直接還元を確立している。
• 木構造では、AwerbuchとAzarの O(log n) 混雑度バウンドが、予測の O(log n)·|cut(ℓ)| 誤り数の上限を示唆する。
• 本手法は純粋な組合せ的であり、グラフラプラシアンやカーネル法に依存せず、これまでは異なるアプローチを取っていた。
• 有効抵抗 R_G が Ω(log n) である場合、例えば線グラフにおいては、Herbster らの O(R_G · |cut(ℓ)|) のバウンドを改善する。
• 線グラフに対しては、誤り数が Ω(log n) に達する敵対的環境を構築可能であるため、定数倍の誤差で最適である。
• 同じチャージングメカニズムを維持したまま、非二値ラベルに対しても同じ誤り数の上限が成り立つ。