[논문 리뷰] Uniform sampling of undirected and directed graphs with a fixed degree sequence

Annabell Berger, Matthias Müller‐Hannemann|arXiv (Cornell University)|2009. 12. 03.

Graph theory and applications참고 문헌 24인용 수 8

한 줄 요약

이 논문은 고정된 차수 시퀀스를 가진 무방향 및 유방향 그래프의 균일한 샘플링을 위한 마르코프 체인 기반 방법을 제시한다. 이는 표준 스위칭 알고리즘이 유방향 케이스에서 상태 그래프가 비연결이 되어 실패하는 데 기인한다. 주요 기여는 상태 그래프가 강연결인 '화살표 스위치 시퀀스'—즉, 스위칭 기반 마르코프 체인이 강연결이 되는 차수 시퀀스—의 특성 분석과 일반적인 시퀀스에 대한 두 가지 해결책이다. 즉, 3-사이클 재방향화 또는 이sov모픽 성분 내 샘플링을 통해 스위칭만으로는 실패할 경우에도 균일한 샘플링을 가능하게 한다.

ABSTRACT

Many applications in network analysis require algorithms to sample uniformly at random from the set of all graphs with a prescribed degree sequence. We present a Markov chain based approach which converges to the uniform distribution of all realizations for both the directed and undirected case. It remains an open challenge whether these Markov chains are rapidly mixing. For the case of directed graphs, we also explain in this paper that a popular switching algorithm fails in general to sample uniformly at random because the state graph of the Markov chain decomposes into different isomorphic components. We call degree sequences for which the state graph is strongly connected arc swap sequences. To handle arbitrary degree sequences, we develop two different solutions. The first uses an additional operation (a reorientation of induced directed 3-cycles) which makes the state graph strongly connected, the second selects randomly one of the isomorphic components and samples inside it. Our main contribution is a precise characterization of arc swap sequences, leading to an efficient recognition algorithm. Finally, we point out some interesting consequences for network analysis.

연구 동기 및 목표

• 네트워크 분석에서 무늬 및 구조적 성질 비교를 위해 필수적인, 특정 차수 시퀀스를 가진 그래프의 균일한 랜덤 샘플링을 가능하게 하기 위해.
• 표준 스위칭 알고리즘이 상태 그래프의 비연결된 성분에 갇힐 수 있는 유방향 그래프에서의 실패를 해결하기 위해.
• 스위칭 기반 마르코프 체인이 강연결이 되는(즉, '화살표 스위치 시퀀스'로 불리는) 차수 시퀀스의 특성 분석을 통해, 균일한 샘플링이 이론적으로 가능함을 보장하기 위해.
• 화살표 스위치 시퀀스가 아닐 경우에도 모든 실현 가능성을 균일하게 샘플링할 수 있는 실용적 해결책을 제공하기 위해, 3-사이클 재방향화 또는 성분별 샘플링을 사용하기 위해.
• 라벨이 부여된 유방향 그래프에서 표준 스위칭 알고리즘을 사용할 경우 발생하는 화살표 존재 확률의 편향을 수정하기 위해.

제안 방법

• 주어진 차수 시퀀스의 모든 실현 가능성을 상태로 하는 마르코프 체인을 사용하며, 무방향 및 유방향 케이스에서 각각 유효한 2-스위치(간선 또는 화살표 스위치)로 전이를 정의한다.
• 비화살표 스위치 시퀀스의 상태 그래프의 비연결된 성분을 연결하기 위해, 유도된 유방향 3-사이클의 재방향화라는 새로운 연산을 도입한다.
• 이sov모픽 성분 중 하나를 균일하게 랜덤으로 선택하고, 그 성분 내에서 샘플링하는 성분별 샘플링 전략을 적용한다.
• 대칭 차집합 논증과 교호 순환 탐지를 사용하여 상태 그래프의 각 성분 내 강연결성을 증명한다.
• 실현 가능성을 구성하는 유도된 3-사이클의 구조적 성질에 기반한, 화살표 스위치 시퀀스를 효율적으로 식별하는 알고리즘을 개발한다.
• 유도된 3-사이클이 정점을 공유하지 않으며, 독립적으로 재방향화될 수 있음을 이용하여 상태 그래프를 이sov모픽 성분들로 분해한다.

실험 결과

연구 질문

• RQ1 왜 표준 스위칭 알고리즘이 고정된 차수 시퀀스를 가진 유방향 그래프에서 균일한 샘플링을 실패하는가?
• RQ2 스위칭 마르코프 체인의 상태 그래프가 강연결이 되는지를 결정하는 차수 시퀀스의 구조적 성질은 무엇인가?
• RQ3 스위칭을 통한 균일한 샘플링이 가능한 차수 시퀀스의 클래스를 특성화할 수 있으며, 이를 효율적으로 식별할 수 있는가?
• RQ4 상태 그래프가 비연결일 경우 스위칭 프로세스를 어떻게 수정하여 균일한 샘플링을 달성할 수 있는가?
• RQ5 성분별 샘플링 또는 3-사이클 재방향화의 영향은 라벨이 부여된 유방향 그래프에서 화살표 존재 확률 편향을 수정하는 데 어떤 의미를 갖는가?

주요 결과

• 스위칭 알고리즘이 상태 그래프가 비연결일 경우 유방향 그래프에서 균일한 샘플링을 실패함을 보여주는, n개의 유도된 3-사이클을 가진 가족의 유방향 그래프에서 2^{n/3}개의 고립된 성분이 형성됨을 입증하였다.
• 차수 시퀀스가 '화살표 스위치 시퀀스'이기 위한 필요충분조건은 스위칭 마르코프 체인의 상태 그래프가 강연결이 되는 것이며, 이러한 시퀀스는 효율적으로 식별 가능하다.
• 비화살표 스위치 시퀀스의 경우 상태 그래프는 최대 2^{⌊|V|/3⌋}개의 이sov모픽 성분으로 분해되며, 각 성분은 유도된 3-사이클의 고정된 방향에 대응한다.
• 이러한 성분의 수는 정확히 2^k이며, 여기서 k는 어떤 실현 가능성에서도 정점이 공유하지 않는 유도된 3-사이클의 수이다.
• 제안된 해결책인 3-사이클 재방향화 또는 성분별 샘플링은 스위칭만으로는 부족한 경우에도 모든 실현 가능성을 균일하게 샘플링함을 보장한다.
• 라벨이 부여된 유방향 그래프에서 표준 스위칭은 편향을 유발한다: 유도된 3-사이클의 화살표는 확률 1 또는 0으로 나타나지만, 진정한 균일 확률은 1/2이므로, 성분 기반 접근법을 통해 이를 수정할 수 있다.