一种用于全动态图流上用户相似度挖掘的快速草图方法
数据结构与算法
2019-01-17 v2
摘要
许多现实世界网络（如 Twitter 和 YouTube）以全动态图流的形式给出，表示为边插入与删除的序列（例如，用户可以在 YouTube 上订阅和取消订阅频道）。现有的相似度估计方法（如 MinHash 和 OPH）是针对静态图定制的。我们观察到它们实际上是采样方法，在应用于全动态图流时会表现出采样偏差，从而导致较大的估计误差。为解决这一挑战，我们提出了一种快速且准确的草图方法 VOS。VOS 以较小的时间复杂度 O(1) 处理感兴趣图流中的每条边，并使用较小的内存空间随时间构建动态图流的紧凑草图。基于在线构建的草图，我们开发了一种随时间估计用户相似度的方法。我们进行了大量实验，实验结果表明了我们方法的效率与有效性。
引用
@article{arxiv.1901.00650,
title = {A Fast Sketch Method for Mining User Similarities over Fully Dynamic Graph Streams},
author = {Peng Jia and Pinghui Wang and Jing Tao and Xiaohong Guan},
journal= {arXiv preprint arXiv:1901.00650},
year = {2019}
}
备注
Accepted in ICDE 2019 (4-page short paper)