[论文解读] On Proximity Measures for Graph Vertices

Pavel Chebotarev, Elena Shamis|ArXiv.org|Feb 5, 2006

Topological and Geometric Data Analysis参考文献 20被引用 54

一句话总结

本文提出并分析了加权多重图与多重有向图中顶点间邻近度量，该度量考虑了所有路径（而不仅是最短路径），并利用边权对更长连接进行加权。核心贡献是通过基于森林的邻近度量，对拉普拉斯矩阵的广义逆（Moore–Penrose逆）给出了拓扑解释，建立了度量可表示性，并证明了对角线最大性与邻近度的三角不等式等基本性质。

ABSTRACT

We study the properties of several proximity measures for the vertices of weighted multigraphs and multidigraphs. Unlike the classical distance for the vertices of connected graphs, these proximity measures are applicable to weighted structures and take into account not only the shortest, but also all other connections, which is desirable in many applications. To apply these proximity measures to unweighted structures, every edge should be assigned the same weight which determines the proportion of taking account of two routes, from which one is one edge longer than the other. Among the proximity measures we consider path accessibility, route accessibility, relative forest accessibility along with its components, accessibility via dense forests, and connection reliability. A number of characteristic conditions is introduced and employed to characterize the proximity measures. A topological interpretation is obtained for the Moore-Penrose generalized inverse of the Laplacian matrix of a weighted multigraph.

研究动机与目标

• 开发一种顶点邻近度量方法，超越仅基于最短路径的距离，通过整合所有可能的连接来实现。
• 将经典图邻近度量扩展至加权、有向及多重图结构，其中边权反映传输损耗或概率。
• 为这些邻近度量建立理论性质，如对角线最大性、三角不等式和度量可表示性。
• 通过子图权重提供拉普拉斯矩阵 Moore–Penrose 广义逆的拓扑解释。
• 通过公理性质与单调性反例验证度量的稳健性，确保其在网络分析应用中的可靠性。

提出的方法

• 将邻近度量定义为连接顶点对的子图（如生成树、森林）的加权和，其中边权决定长路径的贡献。
• 使用总边权矩阵 $ E = (\varepsilon_{ij}) $ 计算子图权重 $ \varepsilon(H) $，并通过 $ \varepsilon(\mathcal{G}) = \sum_{H \in \mathcal{G}} \varepsilon(H) $ 对子图集合 $ \mathcal{G} $ 进行聚合。
• 通过在森林大小上递归分解，构建基于每个顶点为根的生成森林的加权计数的邻近度矩阵 $ P = (p_{ij}) $。
• 通过比较子图集合 $ \mathcal{F}^{ij}_{n-v-1} $、$ \mathcal{F}^{ii}_{n-v-1} $ 及其交集，证明关键性质（如对角线最大性、三角不等式）。
• 通过变换 $ d_{ij} = p_{ii} + p_{jj} - p_{ij} - p_{ji} $ 建立度量可表示性，证明其在对称性与三角不等式成立的条件下满足度量公理。
• 利用从森林权重导出的矩阵 $ Q_{n-v-1} $，通过拓扑解释实现拉普拉斯矩阵 Moore–Penrose 逆的表示。

实验结果

研究问题

• RQ1 如何在加权多重图与多重有向图中定义顶点间的邻近度量，使其考虑所有路径而非仅最短路径？
• RQ2 邻近度量满足对角线最大性与三角不等式等基本结构性质的充要条件是什么？
• RQ3 能否通过加权图中子图权重对拉普拉斯矩阵的 Moore–Penrose 广义逆进行拓扑解释？
• RQ4 邻近度量在边添加或修改时的行为如何？可能出现哪些单调性违反？
• RQ5 在何种条件下，基于邻近度的度量 $ d_{ij} = p_{ii} + p_{jj} - p_{ij} - p_{ji} $ 是有效度量？

主要发现

• 邻近度量 $ p_{ij} $ 定义为连接顶点 $ i $ 与 $ j $ 的所有生成森林的加权和，满足对角线最大性：当 $ i \neq j $ 时，有 $ p_{ii} > p_{ij} $，其原因在于边权严格为正。
• 邻近度的三角不等式成立：$ p_{ij} + p_{ik} - p_{jk} \leq p_{ii} $，当 $ j = k $ 且 $ i \neq j $ 时为严格不等式，其证明基于森林集合的包含关系与权重比较。
• 变换 $ d_{ij} = p_{ii} + p_{jj} - p_{ij} - p_{ji} $ 生成有效度量，因其在给定条件下满足对称性、非负性与三角不等式。
• 拉普拉斯矩阵的 Moore–Penrose 逆通过加权生成森林的和进行拓扑解释，其中 $ Q_{n-v-1} $ 起核心作用。
• 邻近度量的单调性在边添加时被违反：对于一个三顶点图，其边权为单位权重，有 $ \Delta p_{13} = -1/9 < 5/36 = \Delta p_{12} $，表明其行为具有非直观性。
• 上述结果对所有 $ n \geq 3 $ 成立，反例可通过添加孤立顶点推广至更大图。