[论文解读] Geometry of Graph Partitions via Optimal Transport

Tara Abrishami, Nestor Guillen+5 more|arXiv (Cornell University)|Oct 21, 2019

Advanced Graph Theory Research参考文献 31被引用 4

一句话总结

本文提出了一种基于最优传输的图划分距离度量方法，通过基于边的传输成本对组件进行线性分配，计算划分之间的相似性。该方法通过单个线性规划实现高效计算，并在可视化和分析政治红istricting集合方面表现出强大效用，相较于以往方法更有效地揭示了具有地理和政治代表性的方案。

ABSTRACT

We define a distance metric between partitions of a graph using machinery from optimal transport. Our metric is built from a linear assignment problem that matches partition components, with assignment cost proportional to transport distance over graph edges. We show that our distance can be computed using a single linear program without precomputing pairwise assignment costs and derive several theoretical properties of the metric. Finally, we provide experiments demonstrating these properties empirically, specifically focusing on its value for new problems in ensemble-based analysis of political districting plans.

研究动机与目标

• 为解决在政治红districting等场景中大规模图划分集合的导航与分析挑战，克服传统可视化方法的局限性。
• 开发一种捕捉结构与空间关系的图划分间几何距离度量，超越简单的重叠或统计摘要。
• 通过多维尺度分析（MDS）等嵌入技术，实现划分集合的实用且可解释的可视化。
• 提供一种理论基础坚实、计算可行的替代方案，以替代如汉明距离或总变差距离等朴素距离度量。
• 在真实世界与合成数据集中，展示该度量在识别代表性与异常红districting方案方面的效用。

提出的方法

• 该方法通过求解一个线性分配问题来定义划分之间的距离，基于图边上运输成本对两个划分的组件进行匹配。
• 组件间的运输成本通过底层图上的1-Wasserstein距离计算，建模节点间的流量。
• 整体距离被表述为单个线性规划，避免了预先计算成对分配成本。
• 通过加权组件匹配，将该方法扩展至非平衡划分，使其适用于大小不等的组件。
• 该度量对组件顺序不变，且对几何结构敏感，与KL散度或总变差等基于重叠的度量不同。
• 该框架支持使用MDS将划分集合嵌入低维欧几里得空间，以实现可视化与分析。

实验结果

研究问题

• RQ1 能否构建一种图划分间的几何距离度量，反映空间与结构关系而非仅重叠？
• RQ2 如何将最优传输分层应用于定义划分空间上的有意义距离？
• RQ3 所提出的度量在多大程度上改善了大规模红districting方案集合的可视化与可解释性？
• RQ4 与汉明距离或总变差等传统度量相比，基于运输的距离在捕捉划分空间中的代表性与聚类方面表现如何？
• RQ5 该度量能否比现有方法更有效地识别具有地理与政治代表性的方案？

主要发现

• 所提出的度量通过单个线性规划实现划分距离的高效计算，与迭代分配方法相比显著降低了计算开销。
• 在合成与真实世界的红districting数据中，基于运输的距离成功将法官方案识别为集合中的中心与代表性方案，而2012年与2016年的方案则位于外围。
• 使用该运输度量生成的MDS嵌入揭示了划分集合中清晰的聚类与空间结构，证明了其在可视化导航与分析中的价值。
• 该度量对集合生成方法的变化表现出鲁棒性，无论集合是通过ReCom还是其他方法生成，法官方案始终稳定地位于嵌入中心附近。
• 理论性质如对组件顺序的不变性与对几何结构的敏感性均通过实证得到验证，证实了该度量的直观性与几何合理性。
• 通过加权组件匹配，该框架可推广至非平衡划分，扩大了其在具有不等选区规模的真实场景中的适用性。