[论文解读] Partial Recovery of Erd\H{o}s-R\'enyi Graph Alignment via $k$-Core Alignment

Daniel Cullina, Negar Kiyavash+2 more|arXiv (Cornell University)|Sep 10, 2018

Advanced Graph Neural Networks参考文献 26被引用 4

一句话总结

本文提出k-core对齐估计器，以在稀疏、相关联的Erdős-Rényi图中实现顶点对齐的部分恢复。当交集图的平均度趋于无穷大时，证明了以高概率可恢复趋于零的顶点对齐比例，从而在信息论框架下建立了部分恢复的可达性与对消界限的匹配。

ABSTRACT

We determine information theoretic conditions under which it is possible to partially recover the alignment used to generate a pair of sparse, correlated Erd\H{o}s-R\'enyi graphs. To prove our achievability result, we introduce the $k$-core alignment estimator. This estimator searches for an alignment in which the intersection of the correlated graphs using this alignment has a minimum degree of $k$. We prove a matching converse bound. As the number of vertices grows, recovery of the alignment for a fraction of the vertices tending to one is possible when the average degree of the intersection of the graph pair tends to infinity. It was previously known that exact alignment is possible when this average degree grows faster than the logarithm of the number of vertices.

研究动机与目标

• 确定相关稀疏Erdős-Rényi图中顶点对齐部分恢复的信息论条件。
• 提出并分析k-core对齐估计器，作为一种实现部分恢复的新方法。
• 建立部分对齐恢复的匹配可达性与对消界限，弥合精确恢复与检测之间的差距。
• 将图对齐极限的理解从精确恢复扩展至几乎全部顶点的恢复，允许单边误差。
• 为相关随机图模型中的高效图匹配提供理论基础，并具有实际应用价值。

提出的方法

• 提出k-core对齐估计器，其目标是寻找使交集图的最小度至少为k的对齐方式。
• 采用组合优化框架，在k-core约束下最大化边重叠。
• 利用生成函数与矩阵迹方法分析有效对齐的期望数量。
• 应用谱方法与概率界限，结合特征值分析与转移矩阵的若尔当代数分解。
• 通过矩生成函数与指数倾斜法推导错误对齐概率的上界。
• 通过精细分析似然比与对齐计数的尾部行为，建立匹配的对消界限。

实验结果

研究问题

• RQ1 在相关Erdős-Rényi图中，顶点对齐的部分恢复在何种条件下是可能的？
• RQ2 当交集图的平均度增长时，k-core对齐估计器能否实现高概率的部分恢复？
• RQ3 部分恢复的根本信息论极限是什么？其与精确恢复相比如何？
• RQ4 与现有算法相比，k-core对齐方法在理论保证与计算效率方面表现如何？
• RQ5 所提出的方法能否在亚指数时间复杂度下实现部分恢复？

主要发现

• 当顶点数增长时，若交集图的平均度趋于无穷大，则顶点对齐的部分恢复可实现高概率。
• k-core对齐估计器通过在对齐下强制交集图的最小度为k，实现了该部分恢复。
• 匹配的对消界限表明，当交集图的平均度保持有界时，部分恢复是不可能的。
• 本文证明了即使精确恢复不可行，部分恢复仍可能实现，揭示了部分恢复与精确恢复之间的相变现象。
• 分析表明，部分恢复的阈值远低于精确恢复的阈值，后者要求平均度的增长快于log n。
• 该方法实现了信息论最优性，可达性与对消结果在常数因子范围内匹配。