[論文レビュー] Submodular Cost Submodular Cover with an Approximate Oracle

Victoria G. Crawford, Alan Kuhnle+1 more|arXiv (Cornell University)|Aug 1, 2019

Complexity and Algorithms in Graphs被引用数 5

ひとこと要約

本稿では、正確な値オラクルの代わりに近似値オラクルを使用する場合の、部分的コスト部分的被覆問題（SCSC）に対する2つの新しい近似比を提示する。$\epsilon$-近似の代替関数を扱うために、支払いの議論の適応を導入し、最小の限界利得が $\epsilon$ を超える場合に、グリーディアルゴリズムが強い近似保証を維持することを示した。主な貢献は、ノイズや不正確な関数評価がある場合でも、実用的で計算可能な近似品質の境界を提供することであり、これは社会的ネットワークにおける影響力最大化の応用で検証された。

ABSTRACT

In this work, we study the Submodular Cost Submodular Cover problem, which is to minimize the submodular cost required to ensure that the submodular benefit function exceeds a given threshold. Existing approximation ratios for the greedy algorithm assume a value oracle to the benefit function. However, access to a value oracle is not a realistic assumption for many applications of this problem, where the benefit function is difficult to compute. We present two incomparable approximation ratios for this problem with an approximate value oracle and demonstrate that the ratios take on empirically relevant values through a case study with the Influence Threshold problem in online social networks.

研究の動機と目的

• 正確な値オラクルが利用できない場合のSCSCにおける近似保証のギャップを埋めるため。これは現実の応用では一般的である。
• 関数 $f$ を直接計算することが難しい場合に、$\epsilon$-近似オラクル下でのグリーディアルゴリズムの近似比を確立するため。
• 真の関数 $f$ へのアクセスを必要とする一方、$F$ のみに依存する別の近似比を提供することで、精度と実用性のバランスを図るため。
• 平均到達可能性スケッチオラクルを用いた社会的ネットワークにおける影響力しきい値問題を用いて、理論的境界を実証的に検証するため。

提案手法

• Wan ら（2010）の支払いの議論の適応を、$\epsilon$-近似オラクル下でのグリーディアルゴリズムの分析に新規に提案し、最小の限界利得が $\epsilon$ を超えるものと仮定する。
• 真の関数 $f$ をクエリして計算する必要があるが、よりタイトな境界を与える、定理1を導出する。
• 代替関数 $F$ のみに依存する近似比を導出し、$f$ へのアクセスがなくても実用的に計算可能である。
• Cohen ら（2014）の平均到達可能性スケッチを、社会的ネットワークにおける影響関数の非部分的$\epsilon$-近似として採用する。
• 実世界のデータセット（Facebook および GrQc）を用いて、オラクル誤差 $\epsilon$ としきい値 $\tau$ を変化させた場合の近似比を評価する。
• 真の関数 $f$ を用いた正確な比と、$F$ のみを用いた上界を計算し、理論的保証と実用的妥当性を比較する。

実験結果

リサーチクエスチョン

• RQ1 真の利益関数 $f$ に対する $\epsilon$-近似オラクルしか利用できない場合、SCSCのグリーディアルゴリズムが強い近似保証を維持できるか。
• RQ2 解に含まれる要素の最小限界利得が $\epsilon$ を超える場合、近似オラクル下でのSCSCのグリーディアルゴリズムの近似比は何か。
• RQ3 理論的近似比（定理1と定理2）は、実際に $F$ のみが利用可能な状況でどのように比較されるか。
• RQ4 得られた近似比は、社会的ネットワークにおける影響力しきい値問題のような現実世界の応用で、実証的に関連のある値をとるか。

主な発見

• 真の関数 $f$ へのアクセスを必要とする定理1の近似比は、代替関数 $F$ のみに依存する定理2の上界よりもタイトである。
• Facebook データセットでは、高利得ノードが選択された後、限界利得が急激に低下するため、しきい値 $\tau$ の増加に伴い近似比がより速く劣化する。
• GrQc データセットでは、限界利得の低下がより持続的であるため、$\tau$ の増加に伴う近似比の劣化が遅い。
• オラクル誤差 $\epsilon$ が小さいほど、近似比が著しく改善され、$\epsilon$ が小さくなるに従い、両理論的境界が改善される。
• 定理2の近似比の上界は、$f$ へのアクセスがなくても $F$ のみで計算可能であり、$f$ が計算不能な現実世界の展開に実用的である。
• $\epsilon = 0$ の場合、定理2の比は、既存の境界と比較不能な新しいSCSCの近似比に簡略化され、新たな理論的貢献を提供する。