计算大型图的 k-互模拟：比较与效率分析
数据结构与算法
2023-05-16 v2
摘要
针对结构特征对图进行概要是减小图规模并使索引、查询和可视化等任务可行的重要手段。我们的通用并行 BRS 算法能依据图上顶点 V 所定义的自定义等价关系 ∼ 高效概要大型图。此外，∼ 的定义可链式使用 k≥1 次，从而该等价关系成为 k-互模拟。我们针对 k=1,…,10 的 k-互模拟，评估了 BRS 算法的运行时间与内存性能，对比对象为文献中的两种算法（Kaushik 等人的顺序算法与 Schätzle 等人的并行算法），我们将它们实现在与 BRS 相同的软件栈中。我们使用了包含 1 亿至 20 亿条边的五个真实世界与合成图数据集。结果表明，通用 BRS 算法在所有数据集上对所有 k≥5 以及部分较小 k 情况均优于相应的原生互模拟算法。两种互模拟算法的 BRS 实现运行速度几乎相当。因此，BRS 算法是 Kaushik 等人顺序互模拟算法的有效并行化。
引用
@article{arxiv.2204.05821,
title = {Computing $k$-Bisimulations for Large Graphs: A Comparison and Efficiency Analysis},
author = {Jannik Rau and David Richerby and Ansgar Scherp},
journal= {arXiv preprint arXiv:2204.05821},
year = {2023}
}
备注
Accepted at ICGT 2023