属性桁架社区搜索

近年来，图上的社区搜索引起了广泛关注，并已开发出许多算法用于从包含给定查询节点的大图中寻找稠密子图。在蛋白质-蛋白质相互作用（PPI）网络、引文图和协作网络等应用中，节点往往具有属性。遗憾的是，先前开发的社区搜索算法忽略了这些属性，导致得到的社区在其节点属性方面凝聚力较差。本文研究了属性驱动的社区搜索问题，即给定一个节点关联属性的无向图 $G$，以及一个由节点 $V_q$ 和属性 $W_q$ 组成的输入查询 $Q$，找出包含 $V_q$ 的社区，其中大多数社区成员紧密互连且具有相似属性。我们将寻找属性桁架社区（ATC）的问题形式化为：找出所有包含 $V_q$ 的连通且紧密的 k-桁架子图，这些子图是局部极大的，并且在此类子图中具有最大的属性相关度得分。我们设计了一种新颖的属性相关度得分函数，并确立了其良好性质。该问题被证明是 NP-难的。然而，我们开发了一个高效的贪心算法框架，该框架找到一个包含 $V_q$ 的极大 $k$-桁架，然后迭代地移除具有最不受欢迎属性的节点并收缩图以满足社区约束。我们还构建了一个精巧的索引来维护已知的 $k$-桁架结构和属性信息，并提出了高效的查询处理算法。在具有真实社区的大型真实世界网络上的大量实验表明，我们所提方法具有高效性和有效性。