[论文解读] Large-Scale Network Motif Learning with Compression.

Peter Bloem, Steven de Rooij|arXiv (Cornell University)|Jan 8, 2017

Complex Network Analysis Techniques参考文献 35被引用 5

一句话总结

本文提出了一种新颖且可扩展的方法，利用最小描述长度（MDL）原理，以零模型下的频率比较替代传统方法，实现大规模网络基元检测。通过消除重复随机图采样的需求，该方法可在十亿条边的网络中高效发现基元，显著降低计算成本，同时保持高精度。

ABSTRACT

We introduce a new learning method for network motifs: interesting or informative subgraph patterns in a network. Current methods for finding motifs rely on the frequency of the motif: specifically, subgraphs are motifs when their frequency in the data is high compared to the expected frequency under a null model. To compute this expectation, the search for motifs is normally repeated on as many as 1000 random graphs sampled from the null model, a prohibitively expensive step. We use ideas from the Minimum Description Length (MDL) literature to define a new measure of motif relevance. This has several advantages: the subgraph count on samples from the null model can be eliminated, and the search for motif candidates within the data itself can be greatly simplified. Our method allows motif analysis to scale to networks with billions of links, provided that a fast null model is used.

研究动机与目标

• 解决当前基元检测方法计算不可行的问题，这些方法需要多达1000次随机图采样以估计零模型期望值。
• 开发一种可扩展的基元检测框架，能够分析包含数十亿条边的大规模网络。
• 用基于MDL的度量替代基于频率的基元评分方法，以捕捉子图的信息量，而无需进行零模型采样。
• 通过基于压缩的相关性简化基元候选搜索，减少对穷举采样的依赖。

提出的方法

• 采用最小描述长度（MDL）原理，基于子图压缩网络数据的能力，定义一种新的基元相关性度量。
• 将传统上在观测图与随机图之间进行的频率比较，替换为一种描述长度度量，用于量化使用基元编码网络的复杂度。
• 利用MDL得分根据子图压缩网络的能力对子图进行排序，从而识别为基元，避免对零模型进行重复采样。
• 集成快速零模型近似方法，进一步加速计算，实现对大规模网络的可扩展性。
• 通过仅关注能带来显著压缩增益的子图，简化基元候选搜索，从而缩小搜索空间。

实验结果

研究问题

• RQ1 基于压缩的度量是否能替代基于频率的基元检测方法，而不会牺牲准确性或可扩展性？
• RQ2 消除随机图采样在多大程度上能降低基元检测中的计算成本？
• RQ3 与传统方法相比，基于MDL的方法在包含数十亿条边的网络上扩展性能如何？
• RQ4 MDL得分是否能有效识别出信息丰富的子图模式，而无需依赖零模型期望值？

主要发现

• 基于MDL的方法消除了为估计零模型期望值而采样1000个或更多随机图的需求，从而大幅降低计算开销。
• 该方法通过用高效的基于压缩的评分替代昂贵的采样，实现了对包含数十亿条边网络的基元检测。
• MDL得分通过测量子图对网络压缩的贡献，有效识别出信息丰富的子图模式。
• 该方法通过仅关注能带来显著压缩增益的子图，简化了基元候选搜索，从而缩小了搜索空间。