大图上的最稠密子图发现研究综述
社会与信息网络
2026-04-21 v3
摘要
随着图被广泛用于建模对象间的复杂关系，图挖掘主题近年来吸引了学术界与工业界的极大关注。作为图挖掘中最基础的问题之一，最稠密子图发现（DSD）问题已发现广泛的实际应用，例如社交媒体中过滤气泡的发现、寻找社交媒体中传播错误信息的演员群体、社交网络社区检测、图索引构建、DNA中调控基序发现、虚假粉丝检测等。在理论上，DSD与其他基础图问题（如网络流与二分匹配）密切相关。受这些应用与关联的推动，DSD已获得数据库、数据挖掘、理论与网络等社区的诸多关注。本综述中，我们首先强调DSD在各种实际应用中的重要性以及需要解决的独特挑战。随后，我们将现有DSD解分为若干类，涵盖发表于众多知名会议与期刊（如SIGMOD、PVLDB、TODS、WWW）的约50篇研究论文，并对每类中的这些解进行透彻回顾。之后，我们分析并比较这些工作中的模型与解。最后，我们指出一系列有前景的未来研究方向。希望本综述不仅帮助研究者更好地理解现有最稠密子图模型与解，也提供见解并指明未来研究的方向。
引用
@article{arxiv.2306.07927,
title = {A Survey of Densest Subgraph Discovery on Large Graphs},
author = {Wensheng Luo and Chenhao Ma and Yixiang Fang and Laks V. S. Lakshmanan},
journal= {arXiv preprint arXiv:2306.07927},
year = {2026}
}