一种估计大型有向和无向图节点图元度的快速采样方法
社会与信息网络
2016-05-02 v1
摘要
探索小的连通诱导子图模式（CIS 模式，或称图元（graphlets））近来引起了相当多的关注。尽管近期在计算特定图元在大型图中出现的实例数量（即与图元同构的 CIS 总数）方面做出了努力，但很少有人关注刻画节点的图元度，即包含该节点且与图元同构的 CIS 的数量，这是分析社交和生物网络等复杂网络的一项重要指标。与全局图元计数类似，由于问题的组合性质，计算大型图的节点图元度具有挑战性。遗憾的是，先前计算全局图元计数的方法不适合解决此问题。在本文中，我们提出采样方法来估计无向和有向图的节点图元度，并分析我们估计的误差。据我们所知，我们是首个研究该问题并给出快速可扩展解决方案的。我们在多种真实世界数据集上进行了实验，表明我们的方法能够准确高效地估计具有数百万条边的图的节点图元度。
引用
@article{arxiv.1604.08691,
title = {A Fast Sampling Method of Exploring Graphlet Degrees of Large Directed and Undirected Graphs},
author = {Pinghui Wang and Xiangliang Zhang and Zhenguo Li and Jiefeng Cheng and John C. S. Lui and Don Towsley and Junzhou Zhao and Jing Tao and Xiaohong Guan},
journal= {arXiv preprint arXiv:1604.08691},
year = {2016}
}