[论文解读] Correlation Detection in Trees for Planted Graph Alignment

Luca Ganassali, Laurent Massoulié+1 more|arXiv (Cornell University)|Jul 15, 2021

Complex Network Analysis Techniques被引用 6

一句话总结

本文提出了一种基于树的关联检测框架，用于分析在稀疏相关 Erdős-Rényi 图中多项式时间图对齐的可行性。它提出了 MPAlign 算法，一种消息传递算法，当基于树的关联检测可行时，该算法能够实现部分对齐，从而确立了高效对齐的新参数范围，并推测在检测不可行时存在计算困难相变阶段。

ABSTRACT

Motivated by alignment of correlated sparse random graphs, we introduce a hypothesis testing problem of deciding whether or not two random trees are correlated. We obtain sufficient conditions under which this testing is impossible or feasible. We propose MPAlign, a message-passing algorithm for graph alignment inspired by the tree correlation detection problem. We prove MPAlign to succeed in polynomial time at partial alignment whenever tree detection is feasible. As a result our analysis of tree detection reveals new ranges of parameters for which partial alignment of sparse random graphs is feasible in polynomial time. We then conjecture that graph alignment is not feasible in polynomial time when the associated tree detection problem is impossible. If true, this conjecture together with our sufficient conditions on tree detection impossibility would imply the existence of a hard phase for graph alignment, i.e. a parameter range where alignment cannot be done in polynomial time even though it is known to be feasible in non-polynomial time.

研究动机与目标

• 确定在随机树中关联检测可行或不可行的条件，作为图对齐可行性的代理。
• 开发一种受树关联检测启发的消息传递算法 MPAlign，用于实现部分图对齐。
• 建立树关联检测可行性与图对齐计算复杂性之间的联系。
• 推测在图对齐中存在一个困难相变阶段，即尽管从信息论角度可行，但多项式时间内无法实现对齐。
• 表征在稀疏条件下部分对齐可达到的最大重叠度，特别是与交集图的巨分支的关系。

提出的方法

• 使用参数 n（节点数）、λ（平均度数）和 s（相关性）的联合 Erdős-Rényi 模型对两个相关稀疏随机图进行建模。
• 将图对齐问题简化为在以某节点为根的树结构上的假设检验问题，分析两棵树是否相关或独立。
• 使用分支过程建模从根开始的树生长过程，边的存在由联合伯努利分布控制。
• 通过 Radon-Nikodym 导数的测度变换技术，比较在相关性和独立性假设下两棵树的联合分布。
• 引入重叠比作为估计器的性能度量，衡量正确对齐于真实置换的节点比例。
• 采用一种在局部树结构上运行的消息传递算法 MPAlign，当树检测可行时，可在多项式时间内实现部分对齐。

实验结果

研究问题

• RQ1 在什么条件下，随机树中的关联检测是可行或不可行的？
• RQ2 当基于树的关联检测可行时，像 MPAlign 这样的消息传递算法是否能在多项式时间内实现部分对齐？
• RQ3 是否存在一个图对齐的计算困难相变阶段，即尽管从信息论角度可行，但多项式时间内无法实现对齐？
• RQ4 对于稀疏随机图，部分对齐中可达到的最佳重叠度是多少，它与对齐后交集图的结构有何关系？
• RQ5 基于树关联检测的结果能否推广到更复杂的图模型，如正则图或局部树状图？

主要发现

• 当基于树的关联检测可行时，MPAlign 总能在多项式时间内实现部分对齐，建立了树级检测与图级对齐之间的直接联系。
• 本文识别出新的参数范围——特别是 λ 和 s——在这些范围内，稀疏随机图的部分对齐可在多项式时间内实现，扩展了先前已知的阈值范围。
• 当基于树的关联检测不可行时，本文推测图对齐中存在一个困难相变阶段，即尽管问题在非多项式时间内可解，但没有任何多项式时间算法能够成功。
• 在同构情形（s = 1）下，可实现的最大重叠度至少为 1 − pext(λ) − λ(λ + 5)e−2λ，其中 pext(λ) 是参数为泊松(λ)的 Galton-Watson 树的存活概率。
• 在稀疏条件下，可被可靠对齐的节点集合几乎完全包含在对齐后交集图的巨分支内。
• 分析表明，任何估计器的重叠度受限于交集图中不变节点的结构，表明这些节点构成了任何可行对齐的核心。