[论文解读] Locally Estimating Core Numbers

Michael P. O’Brien, Blair D. Sullivan|arXiv (Cornell University)|Oct 24, 2014

Complex Network Analysis Techniques参考文献 11被引用 8

一句话总结

本文提出一种局部估计器 $ ilde{k}_ ilde{ }^{ ilde{ }}$，该估计器仅使用顶点的 $ ilde{ }$-邻域来估计其核心数，从而在无需全局图访问的情况下实现高效、可扩展的核心数估计。当 $ ilde{ } = 2$ 时，该方法在真实网络中表现出高精度，并在埃拉多斯-雷尼随机图上证明了渐近误差极小，从而提升了网络处理实验中的推断能力。

ABSTRACT

Graphs are a powerful way to model interactions and relationships in data from a wide variety of application domains. In this setting, entities represented by vertices at the "center" of the graph are often more important than those associated with vertices on the "fringes". For example, central nodes tend to be more critical in the spread of information or disease and play an important role in clustering/community formation. Identifying such "core" vertices has recently received additional attention in the context of {\em network experiments}, which analyze the response when a random subset of vertices are exposed to a treatment (e.g. inoculation, free product samples, etc). Specifically, the likelihood of having many central vertices in any exposure subset can have a significant impact on the experiment. We focus on using $k$-cores and core numbers to measure the extent to which a vertex is central in a graph. Existing algorithms for computing the core number of a vertex require the entire graph as input, an unrealistic scenario in many real world applications. Moreover, in the context of network experiments, the subgraph induced by the treated vertices is only known in a probabilistic sense. We introduce a new method for estimating the core number based only on the properties of the graph within a region of radius $δ$ around the vertex, and prove an asymptotic error bound of our estimator on random graphs. Further, we empirically validate the accuracy of our estimator for small values of $δ$ on a representative corpus of real data sets. Finally, we evaluate the impact of improved local estimation on an open problem in network experimentation posed by Ugander et al.

研究动机与目标

• 解决在大规模或私有网络中因无法获取完整图信息而难以进行全局核心数计算的问题。
• 仅利用半径 $\t ilde{ }$ 以内的局部图信息，实现对特定查询顶点的核心数的准确估计。
• 通过估计顶点处于高阶核心子图的概率，支持网络处理实验，减少实验偏差。
• 开发一种计算高效且在真实网络中具有实际准确性的方法。

提出的方法

• 提出 $\t ilde{k}_\t ilde{ }(v)$，一种基于顶点 $v$ 的 $\t ilde{ }$-邻域进行迭代细化邻居核心估计的局部估计器，以计算顶点的核心数。
• 采用几何交集方法：$\t ilde{k}_\t ilde{ }(v)$ 由 $d(v) - i + 1$ 与 $k_{\t ilde{ }-1}(u_i)$ 的交集确定，其中 $u_i$ 是 $v$ 的邻居。
• 通过剔除度暴露概率为零的邻居进行剪枝，收紧核心暴露概率的上界，从而提升估计精度。
• 利用邻居核心暴露概率的边界来细化估计器，减少高估现象。
• 形式化证明 $ ilde{k}_1$ 在埃拉多斯-雷尼随机图中的误差增长极为缓慢，确立了理论鲁棒性。
• 在真实网络上通过 $ ilde{ } = 2$ 进行实证验证，证明了该估计器在核心数估计中具有高精度。

实验结果

研究问题

• RQ1 能否仅利用顶点周围小半径 $\t ilde{ }$ 内的局部图信息，实现对核心数的准确估计？
• RQ2 在数据访问受限的真实网络中，局部估计器 $\t ilde{k}_\t ilde{ }$ 在误差和精度方面表现如何？
• RQ3 通过预测核心暴露概率，局部核心数估计能否改善网络处理实验的设计与分析？
• RQ4 该局部估计器在随机图上的理论误差界是什么？其随图大小如何变化？

主要发现

• 局部估计器 $\t ilde{k}_1$ 在埃拉多斯-雷尼随机图上表现出渐近消失的误差，证明了其理论鲁棒性。
• 当 $ ilde{ } = 2$ 时，该估计器在真实网络中实现了高精度，核心数估计值与真实值高度吻合。
• 剔除度暴露概率为零的邻居可显著减少核心暴露概率的高估，提升边界紧致性。
• 该估计器揭示，度暴露概率并非核心暴露概率的良好代理，因为许多顶点尽管度暴露概率为零，却仍具有非零的核心暴露概率。
• 该方法可提升网络实验中核心暴露的估计精度，减少处理效应估计中的偏差。
• 该估计器可识别出低双曲性（树状结构）中的顶点，提示其在图性质检测中的潜在应用。