ABRA：基于拉德马赫平均的静态与动态图介数中心性近似
数据结构与算法
2016-02-19 v1
摘要
我们提出ABRA，一套在静态和全动态图上计算并维护所有节点（或边）介数中心性的概率保证高质量近似值的算法。我们的算法依赖随机采样，其分析利用拉德马赫平均和伪维数——来自统计学习理论的基本概念。据我们所知，这是这些概念在图分析领域的首次应用。实验评估结果表明，我们的方法比精确方法快得多，并且在相同质量保障下，在速度和样本数量上大幅优于当前最先进的算法。
引用
@article{arxiv.1602.05866,
title = {ABRA: Approximating Betweenness Centrality in Static and Dynamic Graphs with Rademacher Averages},
author = {Matteo Riondato and Eli Upfal},
journal= {arXiv preprint arXiv:1602.05866},
year = {2016}
}