Gotta match ‘em all: Solution diversification in graph matching matched filters

要約

非常に大きな背景グラフ内でノイズの多い複数の埋め込まれたテンプレート グラフを見つけるための新しいアプローチを紹介します。
私たちの方法は、Sussman et al.で提案されたグラフマッチングマッチドフィルター技術に基づいて構築されており、マッチドフィルターアルゴリズムで適切なノードペアの類似性行列に繰り返しペナルティを課すことによって複数の多様なマッチングを発見します。
さらに、マッチドフィルターアプローチのスケーラビリティを大幅に強化するアルゴリズムの高速化を提案します。
相関エルドス・レンイグラフの設定における私たちの方法論の理論的正当性を示し、穏やかなモデル条件下で複数のテンプレートを連続的に発見する能力を示します。
さらに、シミュレートされたモデルと、人間の脳のコネクトームや大規模なトランザクション知識ベースを含む現実世界のデータセットの両方を使用した広範な実験を通じて、この方法の有用性を実証します。

要約(オリジナル)

We present a novel approach for finding multiple noisily embedded template graphs in a very large background graph. Our method builds upon the graph-matching-matched-filter technique proposed in Sussman et al., with the discovery of multiple diverse matchings being achieved by iteratively penalizing a suitable node-pair similarity matrix in the matched filter algorithm. In addition, we propose algorithmic speed-ups that greatly enhance the scalability of our matched-filter approach. We present theoretical justification of our methodology in the setting of correlated Erdos-Renyi graphs, showing its ability to sequentially discover multiple templates under mild model conditions. We additionally demonstrate our method’s utility via extensive experiments both using simulated models and real-world dataset, include human brain connectomes and a large transactional knowledge base.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google