[论文解读] Sampling random graph homomorphisms and applications to network data analysis

Hanbaek Lyu, Facundo Mémoli+1 more|arXiv (Cornell University)|Oct 21, 2019

Topological and Geometric Data Analysis参考文献 38被引用 8

一句话总结

本文提出了一种基于MCMC的新型框架，用于从大型网络中采样图同态，从而实现稳定且可计算的网络可观测量，以捕捉结构基序。通过固定模板图（基序）进行条件约束，该方法确保了所采样的子图连通且具有结构意义，在Facebook100和词语邻接网络等真实数据集上的网络聚类与子图分类任务中表现出优越性能。

ABSTRACT

A graph homomorphism is a map between two graphs that preserves adjacency relations. We consider the problem of sampling a random graph homomorphism from a graph into a large network. We propose two complementary MCMC algorithms for sampling random graph homomorphisms and establish bounds on their mixing times and the concentration of their time averages. Based on our sampling algorithms, we propose a novel framework for network data analysis that circumvents some of the drawbacks in methods based on independent and neighborhood sampling. Various time averages of the MCMC trajectory give us various computable observables, including well-known ones such as homomorphism density and average clustering coefficient and their generalizations. Furthermore, we show that these network observables are stable with respect to a suitably renormalized cut distance between networks. We provide various examples and simulations demonstrating our framework through synthetic networks. We also \commHL{demonstrate the performance of} our framework on the tasks of network clustering and subgraph classification on the Facebook100 dataset and on Word Adjacency Networks of a set of classic novels.

研究动机与目标

• 为解决稀疏网络中独立采样与邻域采样方法的局限性，通过确保采样子图保留结构基序。
• 开发一种计算高效且稳定的框架，用于基于基序采样的网络数据分析。
• 定义新型网络可观测量（如同态密度与聚类系数），使其在归一化割距离下保持稳定。
• 在真实数据集（包括Facebook100与经典小说中的词语邻接网络）上验证该框架的有效性。
• 通过基序采样与轮廓分析，实现复杂网络的可解释性、低维表示。

提出的方法

• 提出两种互补的MCMC算法，用于将网络中的图同态采样到固定模板图（基序）中，确保结构一致性。
• 利用MCMC轨迹的时间平均值计算网络可观测量，包括广义同态密度与聚类系数。
• 建立混合时间与时间平均值浓度的理论边界，确保收敛性与可靠性。
• 引入归一化割距离以度量网络相似性，并证明所计算可观测量的稳定性不等式。
• 将该框架应用于计算子图分类与层次聚类的CHD（团同态密度）轮廓。
• 在基序诱导的子图上进行MCMC采样，并利用CHD轮廓之间的L1、KL与Frobenius距离进行分类任务。

实验结果

研究问题

• RQ1 基于MCMC的图同态采样能否产生稳定且可计算的网络可观测量，以反映有意义的结构特征？
• RQ2 所提出的可观测量在真实网络的网络聚类与子图分类任务中表现如何？
• RQ3 在归一化割距离度量下，所计算的可观测量在小规模网络结构扰动下具有多大程度的稳定性？
• RQ4 基于基序的采样能否在捕捉局部网络结构方面优于传统的独立采样或邻域采样？
• RQ5 在基于词语邻接网络CHD轮廓对作者进行分类时，不同距离度量（L1、KL、Frobenius）的表现如何比较？

主要发现

• 所提出的MCMC算法实现了有界的混合时间与时间平均值浓度，确保了图同态采样的可靠性。
• 在Facebook100数据集中，该框架成功按机构对网络进行聚类，表现出对结构变化的鲁棒性。
• 对于10部经典小说的词语邻接网络，CHD轮廓在每名作者有四个已知文本的情况下，实现了84%的作者归属准确率，优于Frobenius距离（68%），与KL散度（87%）相当。
• (0,0)-CHD轮廓在莎士比亚与奥斯丁作品中表现出优异的聚类性能，而KL散度在莎士比亚作品中表现更优，表明不同度量在不同场景下具有互补优势。
• 该框架的可观测量在归一化割距离下保持稳定，满足网络分析中的关键稳定性不等式。
• 该方法能够实现复杂网络的可解释性、低维表示，尤其适用于稀疏或结构化数据。