符号网络中的平衡团计算:概念与算法
数据结构与算法
2022-04-04 v1
摘要
团是网络分析中凝聚子图挖掘最基本模型之一。现有团模型主要关注无符号网络。然而在现实世界中,许多应用被建模为带有正边和负边的符号网络。由于符号网络具有不同于无符号网络的自身性质,现有团模型不适用于符号网络。受此启发,我们提出平衡团模型,该模型考虑了符号网络中最基本且主导的理论——结构平衡理论。基于平衡团模型,我们研究极大平衡团枚举问题(MBCE)(计算给定符号网络中所有极大平衡团)和最大平衡团搜索问题(MBCS)(计算尺寸最大的平衡团)。我们证明MBCE问题与MBCS问题均为NP难。对于MBCE问题,一种直接解法是将符号网络视为两个无符号网络并利用现有的无符号网络技术,但该方法对大规模符号网络效率低下。为解决此问题,本文首先通过利用符号网络的独特性质,提出一种新的极大平衡团枚举算法;基于该新算法,我们设计两种优化策略以进一步提升枚举效率。对于MBCS问题,我们提出基于搜索空间划分的新搜索框架;为进一步提升新框架效率,我们提出针对冗余搜索分支与无效候选的多种优化策略。我们在大型真实数据集上进行了充分实验,实验结果证明了我们所提算法针对MBCE问题与MBCS问题的效率、有效性与可扩展性。
引用
@article{arxiv.2204.00515,
title = {Balanced Clique Computation in Signed Networks: Concepts and Algorithms},
author = {Zi Chen and Long Yuan and Xuemin Lin and Lu Qin and Wenjie Zhang},
journal= {arXiv preprint arXiv:2204.00515},
year = {2022}
}