[论文解读] Network Sampling: From Static to Streaming Graphs

Nesreen K. Ahmed, Jennifer Neville+1 more|arXiv (Cornell University)|Nov 14, 2012

Complex Network Analysis Techniques参考文献 88被引用 51

一句话总结

本文提出了一类基于图归纳的采样方法，可泛化应用于静态图与流式图模型，在仅遍历边两次的情况下高效保持拓扑特性。该方法在保持图结构及准确估计关系分类性能方面优于传统方法，尤其在小样本规模下表现更优。

ABSTRACT

Network sampling is integral to the analysis of social, information, and biological networks. Since many real-world networks are massive in size, continuously evolving, and/or distributed in nature, the network structure is often sampled in order to facilitate study. For these reasons, a more thorough and complete understanding of network sampling is critical to support the field of network science. In this paper, we outline a framework for the general problem of network sampling, by highlighting the different objectives, population and units of interest, and classes of network sampling methods. In addition, we propose a spectrum of computational models for network sampling methods, ranging from the traditionally studied model based on the assumption of a static domain to a more challenging model that is appropriate for streaming domains. We design a family of sampling methods based on the concept of graph induction that generalize across the full spectrum of computational models (from static to streaming) while efficiently preserving many of the topological properties of the input graphs. Furthermore, we demonstrate how traditional static sampling algorithms can be modified for graph streams for each of the three main classes of sampling methods: node, edge, and topology-based sampling. Our experimental results indicate that our proposed family of sampling methods more accurately preserves the underlying properties of the graph for both static and streaming graphs. Finally, we study the impact of network sampling algorithms on the parameter estimation and performance evaluation of relational classification algorithms.

研究动机与目标

• 填补现有网络采样方法在处理大规模、动态或分布式图时效果不佳的空白。
• 从静态图到流式图构建统一的计算模型谱系，以更好地反映现实世界网络的动力学特性。
• 设计能够同时在静态与流式场景下保持关键拓扑特性（如度分布、聚类系数）的采样方法。
• 评估采样对关系分类准确率及参数估计的影响，尤其关注节点标注任务中的表现。
• 证明传统采样方法在流式环境中不适用，并提出一种可扩展的、仅需两遍的替代方案。

提出的方法

• 提出一种图归纳框架，将采样方法泛化至静态与流式计算模型。
• 设计基于图归纳的一系列采样算法，仅需对边进行两次遍历，最大限度降低I/O开销。
• 利用图归纳原理，将传统基于节点、边及拓扑的采样方法（如节点采样、边采样、森林燃烧法）适配至流式图。
• 采用两遍算法对边进行采样并诱导子图，同时保持与原始图的结构保真度。
• 应用加权投票关系邻居（wvRN）分类器，通过在标注子图上计算AUC来评估采样质量。
• 使用AUC作为度量标准比较不同采样方法，评估采样图对全图真实分类性能的估计能力。

实验结果

研究问题

• RQ1 如何将网络采样方法泛化至从静态图到流式图模型的完整谱系？
• RQ2 传统采样方法在大规模或流式图中多大程度上无法保持拓扑特性？
• RQ3 基于图归纳的采样方法是否能在静态与流式环境中更准确地保持关键图特性（如度分布、聚类系数）？
• RQ4 采样如何影响关系分类算法的准确性，特别是在部分标注图上估计AUC时？
• RQ5 在小样本场景下，哪种采样策略能在估计类别先验与分类准确性之间取得最佳平衡？

主要发现

• 所提出的基于图归纳的采样方法在静态图与流式图中均比传统方法更准确地保持了拓扑特性（如度分布、聚类系数）。
• 采用ES-i变体（基于图归纳的边采样变体）的边采样在样本量低于30%时，提供了估计类别先验与分类准确性之间的最佳平衡。
• 传统方法如节点采样与森林燃烧法无法准确估计分类性能（AUC），且在小样本下缺乏鲁棒性。
• ES-i方法在低采样比例下即快速收敛至全图的真实AUC，表现出极小偏差。
• 两遍采样算法能高效处理大规模图，I/O开销极低，适用于随机访问成本较高的流式环境。
• 使用该方法在采样图上估计的关系分类准确性与全图的真实AUC高度一致，验证了其代表性。