[論文レビュー] Sparse graph limits, entropy maximization and transitive graphs

Balázs Szegedy|arXiv (Cornell University)|Apr 3, 2015

Limits and Structures in Graph Theory参考文献 9被引用数 9

ひとこと要約

本稿は、スパースグラフ極限、情報理論、群論を結びつける新しいグラフ極限概念「対数収束」を導入する。すべてのグラフ $ G $ における比 $ \log t(H,G)/\log t(P_1,G) $ の上界が、辺および頂点推移的グラフにおける上界と等しいことを確立し、シドレンコの予想に対する群論的アプローチを提供するとともに、スパース性指数 $ \beta $ によって制御される1パラメータ族の擬似ランダムスパースグラフモデルの構造を明らかにする。

ABSTRACT

In this paper we describe a triple correspondence between graph limits, information theory and group theory. We put forward a new graph limit concept called log-convergence that is closely connected to dense graph limits but its main applications are in the study of sparse graph sequences. We present an information theoretic limit concept for $k$-tuples of random variables that is based on the entropy maximization problem for joint distributions of random variables where a system of marginal distributions is prescribed. We give a fruitful correspondence between the two limit concepts that has a group theoretic nature. Our applications are in graph theory and information theory. We shows that if $H$ is a bipartite graph, $P_1$ is the edge and $t$ is the homomorphism density function then the supremum of $\log t(H,G)/\log t(P_1,G)$ in the set of all graphs $G$ is the same as in the set of graphs that are both edge and vertex transitive. This result gives a group theoretic approach to Sidorenko's famous conjecture. We obtain information theoretic inequalities regarding the entropy maximization problem. We investigate the limits of sparse random graphs and discuss quasi-randomness in our framework.

研究の動機と目的

• スパースグラフ列の部分的2次元的だが線形より上回る領域における一貫性のある極限理論の欠如に対処する。
• 従来の密グラフ極限が失敗するスパースグラフにおいて意味のある漸近的挙動を捉える新しい収束概念「対数収束」を構築する。
• グラフ極限、情報理論におけるエントロピー最大化、特に推移的対称性を含む群論的対称性との対応関係を確立する。
• 極値密度が推移的グラフによって達成されることを示すことにより、シドレンコの予想を群論的枠組みで研究するための基盤を提供する。
• エッジ確率が $ n^{2\beta - 2} $ のスパースランダムグラフモデルの極限を特徴づけ、スパース性指数 $ \beta $ によってインデックス付けられる1パラメータ族の擬似ランダム対象を同定する。

提案手法

• 密度のゼロや無限大の問題を回避するため、$ d(H,G) = -\log t(H,G) $ を用いて正規化されたエントロピーに類似した量 $ h(H,G) = d(H,G)/d(P_1,G) $ の収束として対数収束を定義する。
• 相対エントロピー（KLダイバージェンス）を情報理論的基盤とし、$ d(H,G) $ を $ \text{Hom}(H,G) $ 上の一様測度と $ V(G)^{V(H)} $ 上の一様測度の間のダイバージェンスと解釈する。
• グラフを $ V_1 \times V_2 $ の部分集合として表現する双方向設定を導入し、$ h(H,G) $ の一様有界性を保証し、グラフ列のコンパクト性を確保する。
• 所定の周辺分布の下でのエントロピー最大化原理を適用し、極値グラフ密度をモデル化し、不等式を導出する。
• 有限ヒーゼンベルグ群 $ \mathbb{F}_p $ 上の構成を用いて明示的な例を構築し、ホモオモルフィズム密度を計算し、$ \lim_{p\to\infty} h(C_4, G_p) = 4 $ を示す。
• ラベル付きグラフに枠組みを拡張し、エントロピー最大化分布における周辺エントロピーと相互情報量を考察する。

実験結果

リサーチクエスチョン

• RQ1 スパースグラフ列に対して、部分的2次元的領域にまで一般化される密グラフ極限の概念として、意味のある極限概念は何か？
• RQ2 特にエントロピー最大化を用いた情報理論的原則は、グラフホモオモルフィズム密度の分析や不等式の導出にどのように応用できるか？
• RQ3 特に辺および頂点推移的性質を有する対称性は、双方向グラフにおける比 $ \log t(H,G)/\log t(P_1,G) $ の極値化において果たす役割は何か？
• RQ4 エッジ確率が $ n^{2\beta - 2} $ のスパースランダムグラフモデルは漸近的にどのように振る舞い、その極限構造は何か？
• RQ5 エントロピー最大化フレームワークにおいて、周辺エントロピーと相互情報量を用いることで、グラフパラメータの収束をどのように洗練できるか？

主な発見

• すべての有限グラフ $ G $ における $ \log t(H,G)/\log t(P_1,G) $ の上界は、辺および頂点推移的グラフにおける上界と等しく、極値グラフ密度の群論的特徴づけを提供する。
• 4サイクル $ C_4 $ に対して、$ \mathbb{F}_p $ 上のヒーゼンベルググラフ $ G_p $ について $ \lim_{p\to\infty} h(C_4, G_p) = 4 $ が成り立ち、非自明な極値値を確認する。
• 双方向設定において、$ h(H,G) $ の一様有界性により対数収束がコンパクト性を保証し、スパース領域においても部分列収束が可能になる。
• エッジ確率が $ n^{2\beta - 2} $ のスパースランダムグラフは、スパース性指数 $ \beta \in (0,1] $ によってインデックス付けられる1パラメータ族の極限を示し、異なる $ \beta $ に対して異なる極限密度を有する。
• ラベル付きグラフにおいて周辺エントロピーと相互情報量を含めることで、元の対数収束概念を一般化する洗練された収束概念を支持する。
• エントロピー最大化から導かれる情報理論的不等式は、シドレンコの予想に関連するグラフ密度不等式の証明に新たな道具を提供する。