[论文解读] On the Performance of a Canonical Labeling for Matching Correlated Erdős-Rényi Graphs.

Osman Emre Dai, Daniel Cullina+2 more|arXiv (Cornell University)|Apr 25, 2018

Graph Theory and Algorithms被引用 5

一句话总结

本文提出了一种时间复杂度为 O(n² log n) 的规范标签算法，用于在无需种子顶点的情况下匹配相关联的 Erdős-Rényi 图。通过首先基于度数排序匹配高阶顶点，再对剩余顶点应用二分图匹配，该方法在信息论阈值以下的一个非平凡区域内实现了精确恢复，展示了基于度数的标签在结构化随机图匹配中的有效性。

ABSTRACT

Graph matching in two correlated random graphs refers to the task of identifying the correspondence between vertex sets of the graphs. Recent results have characterized the exact information-theoretic threshold for graph matching in correlated Erd\H{o}s-R\'enyi graphs. However, very little is known about the existence of efficient algorithms to achieve graph matching without seeds. In this work we identify a region in which a straightforward $O(n^2\log n)$-time canonical labeling algorithm, initially introduced in the context of graph isomorphism, succeeds in matching correlated Erd\H{o}s-R\'enyi graphs. The algorithm has two steps. In the first step, all vertices are labeled by their degrees and a trivial minimum distance matching (i.e., simply sorting vertices according to their degrees) matches a fixed number of highest degree vertices in the two graphs. Having identified this subset of vertices, the remaining vertices are matched using a matching algorithm for bipartite graphs.

研究动机与目标

• 在无种子顶点的情况下，识别一种计算高效的精确图匹配算法，适用于相关联的 Erdős-Rényi 图。
• 分析基于顶点度数的规范标签方法在图匹配背景下的性能表现。
• 确定所提算法在何种相关性强度区域内能够成功实现精确的顶点对应。
• 弥合信息论阈值与实际高效图匹配算法之间的差距。

提出的方法

• 该算法首先将所有顶点标记为其度数，从而实现两图中最高阶顶点的度数排序匹配。
• 对度数排序后的顶点应用平凡的最小距离匹配，形成顶点集之间的初始对应关系。
• 利用二分图匹配算法处理剩余未匹配的顶点，以建立最终的顶点对应关系。
• 该方法依赖于相关联的 Erdős-Rényi 图的结构一致性，即高阶顶点在图之间更可能相互匹配。
• 该算法分为两个阶段：首先通过度数排序进行初始匹配，然后通过二分图匹配进行优化。
• 整体时间复杂度为 O(n² log n)，主要由排序步骤和二分图匹配阶段决定。

实验结果

研究问题

• RQ1 在何种相关性强度区域中，基于度数的规范标签算法能够在无种子顶点的情况下精确匹配相关联的 Erdős-Rényi 图？
• RQ2 在缺乏先验知识或种子顶点的情况下，能否通过基于顶点度数的简单高效算法实现精确图匹配？
• RQ3 该规范标签算法的性能与相关随机图中图匹配的信息论阈值相比如何？
• RQ4 度数分布在通过两阶段匹配策略实现精确恢复的过程中起到何种作用？

主要发现

• 所提出的规范标签算法在相关参数空间的一个非平凡区域内成功实现了精确图匹配，且该区域低于信息论阈值。
• 该算法的时间复杂度为 O(n² log n)，适用于大规模图匹配任务，具有高效性。
• 通过度数排序匹配最高阶顶点，可提供一个稳健的初始对应关系，从而实现对完整顶点映射的精确恢复。
• 该方法的成功依赖于相关 Erdős-Rényi 图中因相关性而产生的结构相似性，特别是匹配顶点的度数分布特征。
• 该算法表明，在无任何先验种子的情况下，基于度数的标签已足够实现精确恢复。
• 二分图匹配阶段能有效解决初始基于度数的对齐之后剩余的顶点对应关系。