在大图中寻找最近截断通勤时间邻居的可处理方法
社会与信息网络
2012-06-26 v1 数据结构与算法
物理与社会
摘要
近年来，基于图的学习引起了广泛关注，其应用包括推荐网络中的协同过滤、社交网络中的链接预测以及欺诈检测。这些网络可能包含数百万个实体，因此开发高效技术非常重要。我们特别感兴趣的是加速随机游走方法，以计算这类图中一些非常有趣的邻近度量。这些度量已在经验上表现出良好性能（Liben-Nowell & Kleinberg, 2003; Brand, 2005）。我们引入了一种基于著名度量——即图上随机游走产生的通勤时间——的截断变体。我们提出了一种非常新颖的算法，用于计算所有有趣的截断通勤时间近似最近邻对，而无需计算所有对之间的值。我们在模拟图和真实图上展示了结果，图规模高达100,000个实体，计算时间呈近线性扩展。
引用
@article{arxiv.1206.5259,
title = {A Tractable Approach to Finding Closest Truncated-commute-time Neighbors in Large Graphs},
author = {Purnamrita Sarkar and Andrew Moore},
journal= {arXiv preprint arXiv:1206.5259},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Third Conference on Uncertainty in Artificial Intelligence (UAI2007)