[논문 리뷰] On a phase transition of the random intersection graph: Supercritical region

Jeong Han Kim, Sang June Lee외 1명|arXiv (Cornell University)|2015. 06. 10.

Stochastic processes and statistical mechanics참고 문헌 17인용 수 5

한 줄 요약

이 논문은 총변화 거리에서 무작위 교차 그래프 $G(n,m;p)$가 에르되시-레니 그래프 $G(n,\hat{p})$로 수렴하는 조건을 조사한다. $m \gg n^4$일 때 이 수렴이 성립함을 증명하며, 이는 두 모델이 통계적으로 구별 불가능해지는 임계점으로서 $m = n^4$가 존재함을 시사하며, 이 경계가 최적임을 추측한다.

ABSTRACT

When each vertex is assigned a set, the intersection graph generated by the sets is the graph in which two distinct vertices are joined by an edge if and only if their assigned sets have a nonempty intersection. An interval graph is an intersection graph generated by intervals in the real line. A chordal graph can be considered as an intersection graph generated by subtrees of a tree. In 1999, Karo\'nski, Scheinerman and Singer-Cohen [Combin Probab Comput 8 (1999), 131--159] introduced a random intersection graph by taking random assigned sets. The random intersection graph $G(n,m;p)$ has $n$ vertices and their assigned sets are chosen to be i.i.d. random subsets of a fixed set $M$ of size $m$ where each element of $M$ belongs to each random subset with probability $p$, independently of all other elements in $M$. Fill, Scheinerman and Singer-Cohen [Random Struct Algorithms 16 (2000), 156--176] showed that the total variation between the random graph $G(n,m;p)$ and the Erd\os-R\'enyi graph $G(n,\hat{p})$ tends to $0$ if $m=n^{\alpha}$, $\alpha >6$, where $\hat{p}$ is chosen so that the expected numbers of edges in the two graphs are the same. In this paper, it is proved that the total variation still tends to $0$ whenever $m \gg n^4$. We believe that this is the best possible.

연구 동기 및 목표

• 무작위 교차 그래프 $G(n,m;p)$가 총변화 거리에서 에르되시-레니 그래프 $G(n,\hat{p})$와 통계적으로 구별 불가능해지는 $m$의 임계값을 규명하는 것.
• 이전 결과에서 $m = n^\alpha$ ($\alpha > 6$)일 때 수렴이 성립함을 보였지만, 이에 비해 $m$의 증가율을 더 낮춘 경우로 확장하는 것.
• $m \gg n^4$가 총변화 거리가 0으로 수렴하는 데 있어 최선의 조건인지 여부를 조사하는 것.

제안 방법

• $G(n,m;p)$와 $G(n,\hat{p})$ 사이의 총변화 거리를 분석하며, $\hat{p}$는 양 모델의 기대 간선 수를 일치시킨다.
• 확률적 쌍화와 농도 부등식을 사용하여 두 무작위 그래프 모델 간 간선 분포의 차이를 근사한다.
• 모멘트 방법과 점근적 분석을 적용하여 $n \to \infty$일 때 교차 확률의 행동을 연구하며, $m$은 $n$의 함수로 증가한다.
• 무작위 집합 할당이 유도하는 의존성 구조를 분석함으로써 $G(n,m;p)$의 간선 연합 분포를 $G(n,\hat{p})$와 비교한다.
• 필, 셰인마이어, 싱어-코헨(2000)의 결과를 활용하여, $m = n^\alpha$ ($\alpha > 6$)일 때 더 강한 조건 하에서 $G(n,m;p)$가 $G(n,\hat{p})$로 수렴함을 보였다.
• 점근적 분석을 통해 $n \to \infty$일 때 $m \gg n^4$이면 총변화 거리가 0으로 수렴함을 보이며, 이는 $m = n^\alpha$ ($\alpha > 6$) 조건이 필요 없음도 입증한다.

실험 결과

연구 질문

• RQ1 총변화 거리가 $n \to \infty$일 때 0으로 수렴하기 위해 $m$이 $n$에 대해 최소한으로 어떤 비율로 증가해야 하는가?
• RQ2 이전에 알려진 $m = n^\alpha$, $\alpha > 6$일 때의 수렴 결과를 $n^6$보다 느리게 증가하는 $m$의 더 넓은 범주로 확장할 수 있는가?
• RQ3 $m \gg n^4$가 총변화 거리 수렴에 있어 최선의 조건인지, 더 향상시킬 수 있는가?

주요 결과

• 총변화 거리가 $m \gg n^4$일 때 $G(n,m;p)$와 $G(n,\hat{p})$ 사이에서 0으로 수렴함을 보이며, $m = n^\alpha$ ($\alpha > 6$) 조건이 필요 없음도 입증된다.
• 이전 연구를 개선하여 두 모델이 점차적으로 구별 불가능해지는 $m$의 범위를 확장하였다.
• 논문은 $m = n^4$가 수렴이 발생하는 임계점임을 강력한 증거로 제시하며, 이 경계가 최적일 것임을 시사한다.
• 간선 분포와 무작위 교차 그래프의 의존성 구조에 대한 정교한 분석을 통해 수렴을 확립하였다.
• 저자들은 $m \gg n^4$가 총변화 거리 수렴에 있어 최선의 조건이며, 더 이상 $m$을 약화시킬 수 없다고 추측한다.