[논문 리뷰] Maximum-Entropy Random Walks on Hypergraphs

Anqi Dong, Anzhi Sheng외 2명|arXiv (Cornell University)|2026. 03. 12.

Complex Network Analysis Techniques인용 수 0

한 줄 요약

이 종이는 최대 엔트로피 임의 보행을 방향성 하이퍼그래프에 확장하고, KL 투영 기반의 방송(Broadcasting) 및 병합(Merging) 모델을 도출하며 Sinkhorn–Schrödinger 타입의 반복 방식으로 해결한다.

ABSTRACT

Random walks are fundamental tools for analyzing complex networked systems, including social networks, biological systems, and communication infrastructures. While classical random walks focus on pairwise interactions, many real-world systems exhibit higher-order interactions naturally modeled by hypergraphs. Existing random walk models on hypergraphs often focus on undirected structures or do not incorporate entropy-based inference, limiting their ability to capture directional flows, uncertainty, or information diffusion in complex systems. In this article, we develop a maximum-entropy random walk framework on directed hypergraphs with two interaction mechanisms: broadcasting where a pivot node activates multiple receiver nodes and merging where multiple pivot nodes jointly influence a receiver node. We infer a transition kernel via a Kullback--Leibler divergence projection onto constraints enforcing stochasticity and stationarity. The resulting optimality conditions yield a multiplicative scaling form, implemented using Sinkhorn--Schrödinger-type iterations with tensor contractions. We further analyze ergodicity, including projected linear kernels for broadcasting and tensor spectral criteria for polynomial dynamics in merging. The effectiveness of our framework is demonstrated with both synthetic and real-world examples.

연구 동기 및 목표

• 쌍대 그래프를 넘어 고차원 및 방향성 상호작용을 위한 MERWs의 필요성을 제시한다.
• 방향성 하이퍼그래프에서 두 가지 표준 상호작용 메커니즘(방송과 병합)을 개발한다.
• 확률적성 및 노드-정류성 제약 하에서 KL 발산 투영을 통해 전이 커널을 추정한다.
• 하이퍼그래프 MERWs에 대한 곱셈적 스케일링 해법과 확장 가능한 알고리즘(Sinkhorn–Schrödinger 반복)을 제공한다.
• 제안된 모델들의 에르고디시성 및 수렴 특성을 분석한다.

제안 방법

• 방향성 하이퍼에지를 일대다(방송) 및 다수→단일(병합) 상호작용으로 모델링한다.
• MERW를 하이퍼에지 수준의 확률성(임의성)과 노드 수준의 정류성을 강제하는 제약에 대한 KL 투영 문제로 형식화한다.
• 최적 방송 커널은 양의 벡터 u, v를 사용하여 B* = K ⊙ (u ∘ (v ∘ v ∘ ... ∘ v))의 곱적 인수분해를 갖는 것을 보인다.
• 층 가중치와 가중 KL 목표를 통해 방송을 비균일 하이퍼그래프에 확장한다.
• 방송 동역학을 노드 주변 분포를 지배하는 선형 투영 커널 P로 축소하고, p_{t+1} = P^T p_t로 표현한다.
• B*(u,v)를 효율적으로 계산하기 위해 Sinkhorn–Schrödinger 유형의 교대 스케일링을 적용한다.
• 투영 커널과 텐서 스펙트럼 기준을 통한 병합 동역학의 에르고디시성 분석을 제공한다.

Figure 1: Broadcasting MERWs on directed hypergraphs. Each colored region represents a directed hyperedge, with arrows indicating activation from a pivot (tail) node to a set of receiver (head) nodes (e.g., $v_{1}\rightarrow\{v_{2},v_{3}\}$ ).

실험 결과

연구 질문

• RQ1 최대 엔트로피 원리를 일반 그래프로 축소하지 않고 방향성 하이퍼그래프에 어떻게 정의할 수 있는가?
• RQ2 방송 및 병합 상호작용을 어떻게 공식화해야 해석 가능한(entropy-regularized) 역학이 얻어지는가?
• RQ3 KL 발산 투영이 확률성 및 정류성 제약을 만족하는 고유하고 확장 가능한 전이 텐서를 도출할 수 있는가?
• RQ4 방향성 하이퍼그래프에서 방송 및 병합 MERW의 에르고디시성 및 수렴 특성은 무엇인가?
• RQ5 Sinkhorn–Schrödinger 알고리즘을 고차 텐서에 맞게 조정하여 효율적으로 계산할 수 있는가?

주요 결과

• 제안된 제약 하에서 고유하고 최적의 방송 전이 텐서가 존재한다.
• 최적 방송 텐서는 양의 스케일링 벡터를 갖는 곱적 프런트-대칭 인수분해를 허용한다.
• 비균일 하이퍼그래프의 경우 층 가중치를 갖는 KL 목표함수가 균일한 층 간에 고유한 해를 제공한다.
• 유도된 노드 수준 방송 동역학은 정류성을 보존하는 투영 커널을 갖는 선형 마르코프 체인으로 축소된다.
• Sinkhorn–Schrödinger 스케일링은 최적 방송 텐서를 계산하는 효율적 반복 방법을 제공한다.
• 노드 주변 분포에 대한 선형 연산자에 의해 에르고디시성 분석이 실현 가능하며, 방송과 병합에 대해 별도의 고려가 필요하다.

Figure 2: Merging MERWs on directed hypergraphs. Each colored region represents a directed hyperedge, with arrows indicating activation from a set of pivot (tail) nodes to a receiver (head) node (e.g., $\{v_{2},v_{3}\}\rightarrow v_{1}$ ).