[论文解读] Partial Recovery in the Graph Alignment Problem

Georgina Hall, Laurent Massoulié|arXiv (Cornell University)|Jul 1, 2020

Nanocluster Synthesis and Applications被引用 4

一句话总结

本文建立了在相关 Erdős-Rényi 图上图对齐问题中部分恢复的必要与充分条件。结果表明，在特定稀疏性和相关性约束下，当 $ nqs = \Theta(1) $ 时，部分恢复是可能的，解决了在网络去匿名化和系统生物学等应用中，该问题信息论极限的关键空白。

ABSTRACT

In this paper, we consider the graph alignment problem, which is the problem of recovering, given two graphs, a one-to-one mapping between nodes that maximizes edge overlap. This problem can be viewed as a noisy version of the well-known graph isomorphism problem and appears in many applications, including social network deanonymization and cellular biology. Our focus here is on partial recovery, i.e., we look for a one-to-one mapping which is correct on a fraction of the nodes of the graph rather than on all of them, and we assume that the two input graphs to the problem are correlated Erdős-Rényi graphs of parameters $(n,q,s)$. Our main contribution is then to give necessary and sufficient conditions on $(n,q,s)$ under which partial recovery is possible with high probability as the number of nodes $n$ goes to infinity. In particular, we show that it is possible to achieve partial recovery in the $nqs=Θ(1)$ regime under certain additional assumptions.

研究动机与目标

• 解决图对齐中部分恢复的理论理解不足问题，该情形在实际中具有重要意义，但在以往研究中尚未得到充分探索。
• 通过参数为 $ (n, q, s) $ 的相关 Erdős-Rényi 图，对现实世界应用（如社交网络去匿名化和蛋白质相互作用网络对齐）进行建模。
• 推导在信息论条件下，当 $ n \to \infty $ 时，能够以高概率正确对齐恒定比例 $ \alpha $ 个节点的条件。
• 通过表征 $ nqs = \Theta(1) $ 的情形为部分恢复可行，弥合了精确恢复与近乎精确恢复之间的差距。
• 利用 Kullback-Leibler 散度与谱分析方法，提供必要与充分条件，实现对相变的完整刻画。

提出的方法

• 将图对齐问题形式化为在两个参数为 $ (n, q, s) $ 的相关 Erdős-Rényi 图之间恢复隐藏排列的问题，其中 $ n $ 为节点数，$ q $ 控制边密度，$ s $ 控制相关性。
• 将部分恢复定义为正确对齐恒定比例 $ \alpha $ 个节点，而非全部或除趋于零比例外的所有节点。
• 使用独立边与相关边的联合分布之间的 Kullback-Leibler 散度作为必要条件：若该散度过小（亚常数），则部分恢复不可能实现。
• 通过谱分析与矩生成函数技术建立充分条件，表明在较弱稀疏性假设下，当 $ nqs = \Theta(1) $ 时可实现部分恢复。
• 应用矩阵递推关系与特征值分解，计算矩生成函数 $ \mathbb{E}[e^{tW}] $，从而得到对齐得分期望的闭式表达式。
• 通过求解二次方程获得变分界中的最优 $ z^* $，用于控制尾部概率并建立集中性。

实验结果

研究问题

• RQ1 在 $ (n, q, s) $ 的何种条件下，当 $ n \to \infty $ 时，节点对齐的部分恢复可高概率实现？
• RQ2 是否 $ nqs = \Theta(1) $ 的情形足以实现部分恢复？其与精确恢复和近乎精确恢复的区间相比如何？
• RQ3 边相关性与独立性之间的 Kullback-Leibler 散度在决定部分恢复可行性方面起何作用？
• RQ4 能否利用谱方法与基于矩的方法，在相关 Erdős-Rényi 模型中刻画部分恢复的信息论极限？
• RQ5 稀疏性与相关性参数如何相互作用，以决定图对齐中部分恢复的阈值？

主要发现

• 部分恢复的必要条件是：独立边与相关边的联合分布之间的 Kullback-Leibler 散度必须远离零；若其为 $ o(1) $，则部分恢复不可能实现。
• 在图足够稀疏且相关结构满足弱正则性条件的前提下，当 $ nqs = \Theta(1) $ 时，部分恢复是可能的。
• 该结果扩展了已知的信息论相变：虽然 $ nqs = \log n + \omega(1) $ 可实现精确恢复，$ nqs = \omega(1) $ 可实现近乎精确恢复，但本文证明 $ nqs = \Theta(1) $ 是部分恢复的临界阈值。
• 分析采用矩生成函数方法，并通过递推矩阵的特征值分解，推导出对齐得分期望的精确表达式。
• 变分界中的最优变分参数 $ z^* $ 通过求解二次方程获得，从而对对齐得分的尾部概率提供了紧致界。
• 矩生成函数的最终表达式简化为 $ \mathbb{E}[e^{tW}] = \alpha^{n+1} + \beta^{n+1} $，在所推导条件下确认了错误对齐概率的指数衰减。