[论文解读] Opinion Forming in Erdös-Rényi Random Graph and Expanders

Ahad N. Zehmakan|arXiv (Cornell University)|Jan 1, 2018

Opinion Dynamics and Social Influence被引用 12

一句话总结

本文研究了在 Erdős–Rényi 随机图 $G_{n,p}$ 和正则膨胀图上的多数模型，表明在连通性阈值 $p^* = \frac{\log n}{n}$ 处存在相变：当 $p > (1+\epsilon)p^*$ 时，若初始蓝色密度略低于 1/2，该过程在常数轮内收敛至全红。在小谱隙 ($\lambda/\Delta$ 较小) 的正则膨胀图上，该模型表现为快速高效的密度分类器，可在亚对数轮内将 $ (1/2 - \delta)n $ 个蓝色节点转化为全红。此结果解决了 Peleg 关于 Ramanujan 图在渐近意义上最优免疫性的开放问题。

ABSTRACT

Assume for a graph G=(V,E) and an initial configuration, where each node is blue or red, in each discrete-time round all nodes simultaneously update their color to the most frequent color in their neighborhood and a node keeps its color in case of a tie. We study the behavior of this basic process, which is called majority model, on the Erdös-Rényi random graph G_{n,p} and regular expanders. First we consider the behavior of the majority model on G_{n,p} with an initial random configuration, where each node is blue independently with probability p_b and red otherwise. It is shown that in this setting the process goes through a phase transition at the connectivity threshold, namely (log n)/n. Furthermore, we say a graph G is lambda-expander if the second-largest absolute eigenvalue of its adjacency matrix is lambda. We prove that for a Delta-regular lambda-expander graph if lambda/Delta is sufficiently small, then the majority model by starting from (1/2-delta)n blue nodes (for an arbitrarily small constant delta>0) results in fully red configuration in sub-logarithmically many rounds. Roughly speaking, this means the majority model is an "efficient" and "fast" density classifier on regular expanders. As a by-product of our results, we show regular Ramanujan graphs are asymptotically optimally immune, that is for an n-node Delta-regular Ramanujan graph if the initial number of blue nodes is s <= beta n, the number of blue nodes in the next round is at most cs/Delta for some constants c,beta>0. This settles an open problem by Peleg [Peleg, 2014].

研究动机与目标

• 分析 Erdős–Rényi 随机图 $G_{n,p}$ 上具有随机初始配置的多数模型的动力学行为。
• 研究正则膨胀图上多数模型的行为，特别是收敛速度和密度分类性能。
• 解决 Peleg 关于正则 Ramanujan 图在渐近意义下免疫性的最优性问题。
• 建立多数模型在膨胀图上作为高效快速密度分类器的条件。

提出的方法

• 使用谱图论，特别是邻接矩阵的第二大特征值 $\lambda$，分析图的扩张性质。
• 应用引理 6（边集中边界约束）将集合之间的边数与集合大小及 $\lambda$ 关联，将图的行为建模为近乎随机。
• 采用概率论论证和并集界，证明在稀疏 $G_{n,p}$ 且 $p > (1+\epsilon)\frac{\log n}{n}$ 时，蓝色密度在常数轮内降至零。
• 利用引理 7 和引理 8 推导蓝色节点数的递归界，表明当 $\lambda/\Delta$ 较小时，蓝色节点数呈指数衰减。
• 利用 Ramanujan 图的结构特性（$\lambda = \sqrt{2\Delta - 1}$）证明其在渐近意义上为最优免疫，从而解决 Peleg 的开放问题。
• 结合 $G_{n,p}$ 和膨胀图的结果，表明高扩张性和正则性可实现快速高效的密度分类。

实验结果

研究问题

• RQ1 在 $G_{n,p}$ 上的多数模型是否在连通性阈值 $p^* = \frac{\log n}{n}$ 处表现出相变？
• RQ2 在谱比 $\lambda/\Delta$ 较小的正则膨胀图上，多数模型能否从初始偏差略低于 1/2 的状态在亚对数轮内收敛至全红？
• RQ3 正则 Ramanujan 图是否在渐近意义上为最优免疫，即小集合仅能控制少量节点？
• RQ4 图结构（正则性、扩张性）在多数模型下实现高效密度分类的必要与充分条件是什么？
• RQ5 多数模型在稀疏与稠密 $G_{n,p}$ 体系下的行为有何不同？

主要发现

• 当 $p > (1+\epsilon)\frac{\log n}{n}$ 且初始蓝色密度 $p_b \leq \frac{1}{2} - \omega(\frac{1}{\sqrt{np}})$ 时，多数模型以高概率在常数轮内收敛至全红。
• 在稠密 $G_{n,p}$ 体系（$p > n^{\gamma}/n$）中，第一轮内蓝色节点数降至 $n/c'$（$c'$ 为大常数），随后呈指数衰减。
• 当 $p \leq (1-\epsilon)\frac{\log n}{n}$ 时，若 $p_b = \omega(\frac{e^{np}}{n})$，过程无法达到全红；但若 $p_b = o(\frac{e^{np}}{n})$，则可成功，表明存在尖锐阈值。
• 在 $\Delta$-正则 $\lambda$-膨胀图上，若 $\lambda/\Delta$ 足够小，多数模型从 $ (1/2 - \delta)n $ 个蓝色节点出发，可在 $O(\log_{\Delta^2/\lambda^2} n)$ 轮内收敛至全红。
• 任意 $\Delta$-正则 Ramanujan 图均为渐近最优免疫，即任意大小 $s \leq \beta n$ 的集合最多控制 $c s / \Delta$ 个节点，其中 $c, \beta > 0$ 为常数，从而解决 Peleg 的开放问题。
• 谱隙 $\lambda$ 控制收敛速率：$\lambda/\Delta$ 越小，蓝色节点衰减越快，且在特定条件下满足 $|B(t+1)| \leq \frac{16\lambda^2}{\Delta^2} |B(t)|$。