[论文解读] On the discovery of the seed in uniform attachment trees

Luc Devroye, Tommy Reddad|arXiv (Cornell University)|Oct 1, 2018

Stochastic processes and statistical mechanics参考文献 20被引用 6

一句话总结

本文研究了在均匀附加树中识别初始子树（种子）的问题，其中新节点以均匀随机的方式连接到现有节点。论文为以高概率包含全部或部分种子的顶点置信集的大小提供了紧致界，表明当种子大小为 $k$ 时，所需集合大小在 $1/\varepsilon$ 上呈次多项式增长，且对 $k$ 和 $\varepsilon$ 的依赖关系受控，通过树生长动态的概率分析，建立了显式的上下界。

ABSTRACT

We investigate the size of vertex confidence sets for including part of (or the entirety of) the seed in seeded uniform attachment trees, given knowledge of some of the seed's properties, and with a prescribed probability of failure. We also study the problem of identifying the leaves of a seed in a seeded uniform attachment tree, given knowledge of the positions of all internal nodes of the seed.

研究动机与目标

• 确定在均匀附加随机树中，以至少 $1-\varepsilon$ 的概率包含全部或部分种子的最小顶点置信集大小。
• 分析此类置信集大小如何依赖于种子大小 $k$、叶节点数 $\ell$ 和误差容限 $\varepsilon$。
• 为完整种子恢复和部分种子恢复的最小置信集大小 $K(k,\ell,\varepsilon)$ 和 $K^*(k,\ell,\varepsilon)$ 提供紧致的上下界。
• 探索使高效恢复成为可能的种子结构特性，特别关注叶节点和类根节点的作用。
• 识别在 $k$ 和 $\varepsilon$ 联合依赖关系上的开放问题，以及将结果推广至 preferential attachment 模型的挑战。

提出的方法

• 作者将 $K(k,\ell,\varepsilon)$ 和 $K^*(k,\ell,\varepsilon)$ 定义为以至少 $1-\varepsilon$ 的概率包含整个种子或至少一个种子节点的最小顶点置信集大小。
• 他们通过对从大小为 $k$ 且有 $\ell$ 个叶节点的种子 $S$ 生成的均匀附加树进行概率分析，将生长过程建模为无根树上的随机过程。
• 关键技术包括识别持久的结构特征——如种子的根或叶节点——这些特征由于其度数和连接模式，在最终树中仍可识别。
• 通过构造性算法推导上界：首先以高概率识别候选根节点，然后相对于该根节点恢复种子的叶节点。
• 通过归约论证，将问题与 $k=1$ 时已知的 $K(\varepsilon)$ 下界联系起来，从而建立下界。
• 他们使用集中不等式和尾部概率界来控制置信集算法的失败概率，特别是在叶节点恢复和根节点检测的背景下。

实验结果

研究问题

• RQ1 在均匀附加树中，以至少 $1-\varepsilon$ 的概率包含整个种子的最小顶点置信集大小是多少？
• RQ2 该最小大小如何依赖于种子大小 $k$、叶节点数 $\ell$ 和误差容限 $\varepsilon$？
• RQ3 是否可以使用一个统一表达式，联合有界 $k$ 和 $\varepsilon$ 的置信集大小，以捕捉两种情形？
• RQ4 是否存在种子的某种结构特性（例如星形或梳状结构），使得可实现显著更小的置信集？
• RQ5 对于 $K^*(k,\ell,\varepsilon)$，其关于 $k$ 和 $\varepsilon$ 的真实渐近依赖关系是什么？能否在当前上界的基础上进一步改进？

主要发现

• 论文建立了上界 $K^*(k,\ell,\varepsilon) \leq c(1/\varepsilon)^{2/k} \log(1/\varepsilon)$（固定 $k$ 时），表明当 $k$ 较大时，$1/\varepsilon$ 上的生长为次多项式。
• 当 $k$ 较大时，有界 $K^*(k,\ell,\varepsilon) \leq c_3 \exp\left\{ c_4 \frac{1}{\log\log(1/\varepsilon) + \log\log k} \log(1/\varepsilon) \right\}$，表明增长速率极慢。
• 证明了下界：$K^*(k,\ell,\varepsilon) \geq K((e\varepsilon)^{1/k})$，将部分恢复问题与单节点种子的完整恢复问题联系起来。
• 当种子为星形 $S_k$ 时，仅需 $O(k)$ 个节点即可以至少 $1/2$ 的概率恢复种子，且该界在常数因子内是紧致的。
• 论文表明 $K(S_k,\varepsilon) \leq mm'$，其中 $m$ 为根置信集大小，$m'$ 为给定根后的叶置信集大小，从而支持两阶段恢复策略。
• 提出一个开放问题：$K^*(k,\ell,\varepsilon)$ 是否可被 $c_1 \exp\left\{ c_2 \sqrt{\log(1/\varepsilon)/k} \right\}$ 有界，这将在 $k$ 较大时优于当前界？