[論文レビュー] Metric recovery from directed unweighted graphs

Tatsunori Hashimoto, Yi Sun+1 more|arXiv (Cornell University)|Nov 20, 2014

Markov Chains and Monte Carlo Methods参考文献 2被引用数 6

ひとこと要約

本稿では、ランダムウォークダイナミクスを用いて、有向かつ重みなしの幾何グラフから元のユークリッド距離計と密度を回復する手法を提案する。頂点の次数が ω(n²/(2+d) log(n)ᵈ/(ᵈ+²)) を超える場合、等長スケーリングを除いて一貫した距離計と密度の回復が可能であることが示され、PageRankに類似したランダムウォークベースの推定器が自然に高密度領域へと寄る性質を有する。

ABSTRACT

We analyze directed, unweighted graphs obtained from $x_i\in \mathbb{R}^d$ by connecting vertex $i$ to $j$ iff $|x_i - x_j| < ε(x_i)$. Examples of such graphs include $k$-nearest neighbor graphs, where $ε(x_i)$ varies from point to point, and, arguably, many real world graphs such as co-purchasing graphs. We ask whether we can recover the underlying Euclidean metric $ε(x_i)$ and the associated density $p(x_i)$ given only the directed graph and $d$. We show that consistent recovery is possible up to isometric scaling when the vertex degree is at least $ω(n^{2/(2+d)}\log(n)^{d/(d+2)})$. Our estimator is based on a careful characterization of a random walk over the directed graph and the associated continuum limit. As an algorithm, it resembles the PageRank centrality metric. We demonstrate empirically that the estimator performs well on simulated examples as well as on real-world co-purchasing graphs even with a small number of points and degree scaling as low as $\log(n)$.

研究の動機と目的

• 観測可能なのはグラフ構造と次元 d のみであるが、有向かつ重みなしの幾何グラフから元のユークリッド距離計と密度を回復すること。
• このようなグラフから距離計と密度の一貫した回復が可能となる理論的条件を確立すること。
• 局所スケール ε(x) と密度 p(x) の両方を捉える、ランダムウォークの定常分布に基づく実用的な推定器を開発すること。
• 合成データおよびアマゾンのような実世界の共購入ネットワークにおける手法の有効性を実証すること。
• 特に高次元および非一様密度設定において、既存の手法を上回ることを示すこと。

提案手法

• グラフを有向近傍グラフとしてモデル化し、点 i から点 j へ辺が存在するのは |xᵢ − xⱼ| < ε(xᵢ) のときと定義する。ここで ε(xᵢ) は点ごとに異なる。
• 単純なランダムウォークの定常分布を、元の密度 p(x) の代理として用い、高密度領域へのドリフトを利用する。
• 鍵となる洞察は、定常分布 π(x) が p(x)/ε(x) に比例することであり、これにより p(x) と ε(x) のスケーリングを除いて逆算可能となる。
• 推定器はランダムウォークの連続極限から導出され、ドリフト係数と拡散係数が p(x) と ε(x) と関係づけられる。
• 本手法は k-近傍近傍グラフやアニュラス接続ルールへ一般化可能であり、実世界の非対称類似度グラフへの応用を可能にする。
• 距離計回復のため、回復された距離を用いて多変量スケーリングを実行し、データの構造的組織を可視化する。

実験結果

リサーチクエスチョン

• RQ1 観測可能なのはグラフと次元 d のみであるが、有向かつ重みなしの幾何グラフから元のユークリッド距離計と密度を一貫して回復できるか？
• RQ2 このようなグラフにおいて、距離計と密度の一貫した回復に必要な最小の頂点次数は何か？
• RQ3 このようなグラフにおけるランダムウォークの定常分布は、元の密度および局所スケールとどのように関係するか？
• RQ4 提案手法の推定器は、von Luxburg-Alamgir のパス統合手法など既存手法を上回るか、特に高次元および実世界ネットワークにおいて？
• RQ5 本手法は、アマゾン共購入グラフのような実世界ネットワークにおいて、意味のある構造を的確に回復できるか？

主な発見

• 頂点の次数が ω(n²/(2+d) log(n)ᵈ/(ᵈ+²)) を超える場合、等長スケーリングを除いて距離計と密度の一貫した回復が可能である。
• シミュレーションでは、たとえ次数が log(n) 程度であっても、ランダムウォークベースの推定器は真の距離計に素早く収束する。これは理論的限界が緩い可能性を示唆する。
• 高次元および実世界データにおいて、本手法は von Luxburg-Alamgir の推定器を上回り、密度および類似度構造の捉えを特に優れている。
• アマゾン共購入グラフでは、推定密度と売上順位との間に強い相関が認められるが、従来の中心性指標（中間性、近接性）とは相関が薄い。
• 回復された距離の多変量スケーリングにより、製品カテゴリ間の明確な分離が得られ、局所密度モードによって一貫したクラスタが形成される。
• 本手法は、ベストセラーなどアーキタイプ製品を局所密度モードとして的確に回復しており、距離計クラスタリングとコミュニティ検出の間の関連性を示唆している。