[论文解读] Streaming Robust Submodular Maximization: A Partitioned Thresholding Approach

Slobodan Mitrović, Ilija Bogunovic+3 more|arXiv (Cornell University)|Nov 7, 2017

Complexity and Algorithms in Graphs参考文献 13被引用 13

一句话总结

本文提出 STAR-T，一种用于鲁棒子模最大化问题的流式算法，可在单次遍历中处理数据，并构建大小为 $O((k + m\log k)\log^2 k)$ 的紧凑且抗干扰的摘要，即使在移除任意 $m$ 个元素后，仍能保证常数因子近似。该算法采用分块阈值机制，通过指数递减的阈值来维持鲁棒性与效率。

ABSTRACT

We study the classical problem of maximizing a monotone submodular function subject to a cardinality constraint k, with two additional twists: (i) elements arrive in a streaming fashion, and (ii) m items from the algorithm's memory are removed after the stream is finished. We develop a robust submodular algorithm STAR-T. It is based on a novel partitioning structure and an exponentially decreasing thresholding rule. STAR-T makes one pass over the data and retains a short but robust summary. We show that after the removal of any m elements from the obtained summary, a simple greedy algorithm STAR-T-GREEDY that runs on the remaining elements achieves a constant-factor approximation guarantee. In two different data summarization tasks, we demonstrate that it matches or outperforms existing greedy and streaming methods, even if they are allowed the benefit of knowing the removed subset in advance.

研究动机与目标

• 解决大规模数据在流式处理与鲁棒性约束下的摘要生成挑战。
• 设计一种流式算法，能够在最多 $m$ 个元素被移除的情况下，维持紧凑且鲁棒的摘要。
• 确保在任意 $m$ 个元素被移除后，对剩余摘要应用简单贪心算法仍能获得常数因子近似。
• 使该算法适用于实时系统，避免在元素丢失后重新处理整个数据集。
• 通过一种新颖的分块阈值结构设计，即使在基线方法已知被移除元素的情况下，仍能超越现有方法。

提出的方法

• 将数据流划分为大小呈指数增长的桶，并在多个分区内组织。
• 对每个分区应用指数递减的阈值规则，以控制元素选择并确保鲁棒性。
• 在每个分区内使用贪心选择策略，其边际增益阈值随分区索引递减。
• 通过将高价值元素分布于多个分区，使摘要对任意 $m$ 个元素的删除具有鲁棒性。
• 流处理完成后，对摘要中剩余元素应用简单贪心算法，以获得最终解。
• 利用子模性与单调性特性，证明在对抗性元素删除下仍具有常数因子近似保证。

实验结果

研究问题

• RQ1 流式算法是否能在对抗性元素删除下，对子模最大化问题实现常数因子近似？
• RQ2 如何设计一种单次遍历算法，以在输入规模的亚线性范围内，维持紧凑但鲁棒的摘要？
• RQ3 何种结构设计可实现对任意 $m$ 个元素删除的鲁棒性，同时保持近似保证？
• RQ4 所提出的分块阈值机制相比现有流式方法，在增强鲁棒性方面有何改进？
• RQ5 当基线方法已知被移除元素时，该算法是否仍能超越基线方法？

主要发现

• STAR-T 在摘要中任意 $m$ 个元素被移除后，仍能对鲁棒子模最大化问题保证常数因子近似。
• 该算法构建的摘要大小为 $O((k + m\log k)\log^2 k)$，为亚线性规模，适用于大规模数据。
• 在电影推荐任务中，STAR-T-Greedy 即使在基线贪心算法已知被移除元素的情况下，性能仍与之相差仅几个百分点。
• 在基于类型过滤的场景中，STAR-T-Greedy 在移除 59% 的电影后仍保持高性能，展现出强大的鲁棒性。
• 实验表明，STAR-T-Sieve 与 Sieve-Streaming 表现相似，但 STAR-T-Greedy 在部分场景中表现更优，尤其在 $|E| \gg k$ 时。
• 当被移除元素数量超过理论边界（$k$）时，该方法仍保持有效性，表明其在实际应用中具有超越理论预期的鲁棒性。