一种高效的子图发现系统
数据库
2018-07-25 v1
摘要
在单一数据图中的子图发现——寻找满足用户指定条件的顶点和边的子集——是一种基础且通用的图分析操作，具有广泛的应用。依据条件不同，感兴趣的子图可能对应社交网络中的好友团、RDF数据中的互联实体，或蛋白质相互作用网络中的频繁模式等。现有系统通常考察大量子图并使用许多计算机，且常产生庞大的子图结果集。我们如何能在最小化计算需求的同时快速发现仅最相关的子图？我们提出Nuri，一个通用的子图发现系统，允许用户简洁地指定感兴趣的子图及其排序准则。给定此类规范，Nuri仅用单台计算机即可高效找到k个最相关的子图。它优先扩展(即早于其他子图扩展)更可能扩展为所需子图的子图(优先子图扩展)，并主动丢弃无法从中构造所需子图的不相关子图(剪枝)。Nuri还能在磁盘上高效存储和检索大量子图，而不受主存大小限制。我们使用真实与合成数据集证明，在单核上运行的Nuri在团发现上比消耗40倍计算资源的最接近的分布式替代系统快两个数量级以上，在子图同构和模式挖掘上快一个数量级以上。
引用
@article{arxiv.1807.08888,
title = {An Efficient System for Subgraph Discovery},
author = {Aparna Joshi and Yu Zhang and Petko Bogdanov and Jeong-Hyon Hwang},
journal= {arXiv preprint arXiv:1807.08888},
year = {2018}
}