[論文レビュー] On Parsimonious Explanations for 2-D Tree- and Linearly-Ordered Data

Howard Karloff, Flip Korn+2 more|arXiv (Cornell University)|Jan 10, 2011

Sparse and Compressive Sensing Techniques参考文献 17被引用数 6

ひとこと要約

本稿は、木構造または線形順序で整列された2次元行列データに対する、より少ない数の重み付き長方形を用いた説明問題に取り組み、階層的または連続的な行・列サブセットから導かれるスパースな重み付き長方形の和として行列を近似するアルゴリズムを提案する。木順序データに対しては確率的2近似アルゴリズムを、線形順序データに対しては$2.56$近似アルゴリズムを提示し、両方の設定において、長方形を用いた正確かつスパースな行列表現のための、これまでに知られていた最初の近似保証を得た。

ABSTRACT

This paper studies the "explanation problem" for tree- and linearly-ordered array data, a problem motivated by database applications and recently solved for the one-dimensional tree-ordered case. In this paper, one is given a matrix A whose rows and columns have semantics: special subsets of the rows and special subsets of the columns are meaningful, others are not. A submatrix in A is said to be meaningful if and only if it is the cross product of a meaningful row subset and a meaningful column subset, in which case we call it an "allowed rectangle." The goal is to "explain" A as a sparse sum of weighted allowed rectangles. Specifically, we wish to find as few weighted allowed rectangles as possible such that, for all i,j, a_{ij} equals the sum of the weights of all rectangles which include cell (i,j). In this paper we consider the natural cases in which the matrix dimensions are tree-ordered or linearly-ordered. In the tree-ordered case, we are given a rooted tree T1 whose leaves are the rows of A and another, T2, whose leaves are the columns. Nodes of the trees correspond in an obvious way to the sets of their leaf descendants. In the linearly-ordered case, a set of rows or columns is meaningful if and only if it is contiguous. For tree-ordered data, we prove the explanation problem NP-Hard and give a randomized 2-approximation algorithm for it. For linearly-ordered data, we prove the explanation problem NP-Hard and give a 2.56-approximation algorithm. To our knowledge, these are the first results for the problem of sparsely and exactly representing matrices by weighted rectangles.

研究の動機と目的

• 階層的（木順序）または連続的（線形順序）な行・列サブセットから導かれる重み付き長方形を用いて、2次元行列データをできるだけ少ない数で説明する問題をモデル化し、解法を提示すること。
• 行列をこのような長方形の和として表現する際の非ゼロ重みの数を最小化し、自明なフルランク分解よりも簡潔で解釈可能な説明を優先すること。
• 木順序および線形順序の両設定において、許容される長方形を用いたスパースかつ正確な行列表現というNP困難問題に対する理論的近似境界を確立すること。
• 両問題バージョンの両方において、保証された良い近似比を達成する効率的な多項式時間アルゴリズムを開発すること。

提案手法

• 木順序データの場合は、木の階層的構造を活用して、ノードの子孫集合のクロス積として許容される長方形を定義する、プライマル・デュアルに基づく確率的2近似アルゴリズムを用いる。
• 線形順序データの場合は、2次元問題を水平グリッドラインに沿った複数の1次元ゼロ重み分割問題に還元し、比$23/18 + O(\varepsilon)$の1次元近似アルゴリズムを用いる。
• アルゴリズムは、各選択された行から最下部行までをカバーする長方形を構築し、1次元解の上端を用い、下端を最後の行に固定することで、カバー性を確保し、重複を減らす。
• 残差行列からすべての長方形重みを差し引いた後、2階差分がゼロであることを示すことで正しさを証明し、最初の非ゼロ要素がゼロであればすべての要素がゼロであることを示す。
• 1次元でペアとトリプレットのみを用いた簡略化されたバージョンを用いることで、1次元で$4/3$近似を達成し、2次元では$8/3 \approx 2.67$近似を得る。このアプローチにより実行時間が著しく向上する。
• 実行時間は$O(n^2 + OPT \cdot n \log n)$で抑えられ、$x^2 \log x$の凸性を用いて、各行のコーナー数の二乗和をバウンドすることで得られる。

実験結果

リサーチクエスチョン

• RQ1 木順序の行・列階層から導かれる重み付き長方形の和として2次元行列を表現する問題の計算複雑性は何か？
• RQ2 木順序行列説明問題に対して定数因子近似アルゴリズムを設計可能か？また、達成可能な最良の近似比は何か？
• RQ3 行列構造が木順序ではなく線形順序（連続区間）に変わると、近似比はどのように変化するか？
• RQ4 水平グリッドラインに沿った1次元部分問題を活用することで、線形順序ケースにより効率的なアルゴリズムを設計可能か？
• RQ5 高精度な1次元アルゴリズムではなく、簡略化された1次元アルゴリズムを用いる場合、近似比と実行時間のトレードオフはどのようなものか？

主な発見

• 木順序行列説明問題はNP困難であり、本稿では確率的2近似アルゴリズムを提示した。これは、このバージョンにおける初めての既知の近似アルゴリズムである。
• 線形順序データの場合は、$23/9 + O(\varepsilon) \approx 2.56$近似を達成し、ペアとトリプレットのみを用いた簡略化1次元アルゴリズムによる自明な$2.67$近似を改善した。
• 線形順序データ用のアルゴリズムは、水平グリッドラインに沿った1次元ゼロ重み分割問題に還元し、各問題を$23/18 + O(\varepsilon)$近似で解く。
• アルゴリズムの正しさは、すべての長方形重みを差し引いた残差行列の2階差分がゼロであることを示すことで証明され、最初の非ゼロ要素がゼロであればすべての要素がゼロであることを示す。
• 1次元でペアとトリプレットのみを用いた簡略化された1次元アルゴリズムにより、1次元で$4/3$近似が達成され、2次元では$8/3 \approx 2.67$近似が得られ、実行時間が著しく向上する。
• 実行時間は$O(n^2 + OPT \cdot n \log n)$で抑えられ、各行のコーナー数の二乗和の凸性のおかげで、$OPT$（最適解のサイズ）に依存する項の和が有界である。