[论文解读] Vertex Nomination Via Local Neighborhood Matching

Heather G. Patsolic, Youngser Park+2 more|arXiv (Cornell University)|May 1, 2017

Complex Network Analysis Techniques参考文献 2被引用 2

一句话总结

本文提出一种针对具有重叠但不完全相同的顶点集的大规模网络的顶点提名方法，通过局部邻域匹配识别种子对应关系并排序潜在匹配。通过利用已验证的种子顶点和匹配诱导子图，该方法实现了无需完整图匹配的高效、可扩展的对应顶点提名。

ABSTRACT

Consider two networks on overlapping, non-identical vertex sets. Given vertices of interest in the first network, we seek to identify the corresponding vertices, if any exist, in the second network. While in moderately sized networks graph matching methods can be applied directly to recover the missing correspondences, herein we present a principled methodology appropriate for situations in which the networks are too large for brute-force graph matching. Our methodology identifies vertices in a local neighborhood of the vertices of interest in the first network that have verifiable corresponding vertices in the second network. Leveraging these known correspondences, referred to as seeds, we match the induced subgraphs in each network generated by the neighborhoods of these verified seeds, and rank the vertices of the second network in terms of the most likely matches to the original vertices of interest. We demonstrate the applicability of our methodology through simulations and real data examples.

研究动机与目标

• 解决在具有重叠但不完全相同的顶点集的大规模网络中识别对应顶点的挑战。
• 为大规模网络对齐开发一种可扩展的替代方案，以替代暴力图匹配方法。
• 通过利用已验证的局部邻域对应关系作为种子，提高顶点提名的准确性。
• 使该方法在实际网络中具有可应用性，其中完整图匹配在计算上不可行。

提出的方法

• 在第一个网络中识别感兴趣顶点的局部邻域。
• 匹配这些邻域，以在第二个网络中找到可验证的对应顶点，建立种子对应关系。
• 利用已验证的种子对在两个网络中诱导子图以进行进一步对齐。
• 对诱导子图应用子图匹配技术，以传播对应关系的可能性。
• 根据顶点与种子诱导子图的相似性和连通性，对第二个网络中的所有顶点进行排序。
• 利用局部结构一致性，在大规模场景下提高提名准确性。

实验结果

研究问题

• RQ1 在完整图匹配在计算上不可行的大规模网络中，如何可靠地识别顶点对应关系？
• RQ2 局部邻域结构在实现非相同网络间准确顶点提名中起到什么作用？
• RQ3 能否利用局部邻域中已验证的种子对应关系，有效对目标网络中的潜在匹配进行排序？
• RQ4 在大规模网络中，局部邻域匹配与全局图匹配在可扩展性和准确性方面相比如何？

主要发现

• 该方法成功识别了在暴力图匹配不可行的大规模网络中的对应顶点。
• 局部邻域匹配通过聚焦于可验证的种子对应关系，为全局图匹配提供了一种可扩展的替代方案。
• 利用已验证种子诱导的子图，通过保留局部结构模式，提高了提名准确性。
• 模拟实验和真实数据示例证实了该方法在实际网络对齐任务中的适用性和鲁棒性。
• 即使顶点集不完全相同且网络规模较大，该方法仍能实现高提名准确性。