[论文解读] Trace Complexity of Network Inference

Bruno Abrahão, Flavio Chierichetti+2 more|arXiv (Cornell University)|Aug 13, 2013

Complex Network Analysis Techniques参考文献 24被引用 17

一句话总结

本文引入了迹复杂度（trace complexity）的概念，用于量化推断网络拓扑或属性所需的流行病传播迹的数量。论文提出了在树和有界度图上实现精确推断的高效算法，仅需少量迹；并证明了信息论下限，表明一般图需要大量迹，而度分布恢复仅需 O(n) 个迹即可实现。

ABSTRACT

The network inference problem consists of reconstructing the edge set of a network given traces representing the chronology of infection times as epidemics spread through the network. This problem is a paradigmatic representative of prediction tasks in machine learning that require deducing a latent structure from observed patterns of activity in a network, which often require an unrealistically large number of resources (e.g., amount of available data, or computational time). A fundamental question is to understand which properties we can predict with a reasonable degree of accuracy with the available resources, and which we cannot. We define the trace complexity as the number of distinct traces required to achieve high fidelity in reconstructing the topology of the unobserved network or, more generally, some of its properties. We give algorithms that are competitive with, while being simpler and more efficient than, existing network inference approaches. Moreover, we prove that our algorithms are nearly optimal, by proving an information-theoretic lower bound on the number of traces that an optimal inference algorithm requires for performing this task in the general case. Given these strong lower bounds, we turn our attention to special cases, such as trees and bounded-degree graphs, and to property recovery tasks, such as reconstructing the degree distribution without inferring the network. We show that these problems require a much smaller (and more realistic) number of traces, making them potentially solvable in practice.

研究动机与目标

• 定义并分析迹复杂度——即实现准确网络推断所需流行病迹的数量。
• 开发高效推断算法，以最小化所需迹的数量，同时保持高精度。
• 建立一般图迹复杂度的信息论下限，表明在最坏情况下精确推断不切实际。
• 识别特殊图类（如树和有界度图），在这些图类中推断可显著减少迹的数量而变得可行。
• 探究是否可仅用远少于完整拓扑重构所需的迹数，恢复非拓扑网络属性（如度分布）

提出的方法

• 提出一种扩散模型，其中感染沿边以固定概率传播，并伴有随机潜伏期，以模拟现实世界中的级联现象。
• 引入 First-Edge 算法，通过每条迹中前两个节点提取边，并证明其在一般图中近乎最优。
• 应用 Berry-Esseen 定理，限制指数随机变量之和的集中性，从而实现对迹似然的精确分析。
• 使用概率耦合与矩分析比较两幅相似图（G₀ 和 G₁）的似然，表明在迹数有限时，两者在高概率下不可区分。
• 设计一种新颖算法，通过聚合多个迹中的感染时间模式，仅用 O(n) 个迹即可重构度分布。
• 通过渐近分析建立迹复杂度的紧致上下界，表明一般图至少需要 Ω(nΔ/log²Δ) 个迹，而 O(nΔ log n) 个迹已足够。

实验结果

研究问题

• RQ1 在高概率下，重构一般网络的完整边集至少需要多少流行病迹？
• RQ2 在树或有界度图等特殊图类上，能否用远少于一般情况的迹数实现精确网络推断？
• RQ3 是否可能仅用远少于完整拓扑重构所需的迹数，恢复非拓扑属性（如度分布）？
• RQ4 在迹的尾部（前几轮感染事件之后）还能提取多少有用信息？
• RQ5 是否存在迹复杂度的信息论极限，使得一般图的精确推断在理论上不可行？

主要发现

• 对于一般连通图，精确推断在信息论上至少需要 Ω(nΔ/log²Δ) 个迹，而 O(nΔ log n) 个迹已足够。
• 在树上，一种简单算法仅用 O(log n) 个迹即可重构完整拓扑，相比一般情况的界有显著改进。
• 对于有界度图，在假设流行病可传播至全网络的前提下，精确推断可用 O(poly(Δ) log n) 个迹实现。
• 网络度分布的重构仅需 O(n) 个迹，相比完整拓扑重构有显著减少。
• First-Edge 算法仅利用每条迹的前两个节点，对一般图而言近乎最优，因为迹的尾部对精确推断贡献可忽略的信息。
• 在最坏情况下，任何算法都无法在少于 Ω(nΔ/log²Δ) 个迹下以高概率区分两幅相似图（G₀ 和 G₁），因为它们的迹似然在统计上不可区分。