DF* PageRank：动态图上更新 PageRank 的改进增量扩展方法
分布式、并行与集群计算
2025-06-24 v2 性能
摘要
PageRank 是一种广泛使用的中心性度量，它通过考虑图中顶点的连接及其连接的重要性来评估顶点的显著性。由于数据集规模不断增加，在动态图上高效更新 PageRank 对各种应用至关重要。本技术报告介绍了我们改进的动态前沿 (Dynamic Frontier, DF) 和带剪枝的动态前沿 (Dynamic Frontier with Pruning, DF-P) 方法。给定一个包含边插入和删除的批量更新，这些方法以最小的开销迭代地识别可能改变排名的顶点。在配备 64 核 AMD EPYC-7742 处理器的服务器上，我们的方法在真实动态图上的性能分别比静态和动态遍历 PageRank 高出 5.2 倍/15.2 倍和 1.3 倍/3.5 倍，在具有随机批量更新的大型静态图上分别高出 7.2 倍/9.6 倍和 4.0 倍/5.6 倍。此外，我们的方法在线程数每翻一倍时，性能分别以 1.8 倍/1.7 倍的速率提升。
引用
@article{arxiv.2401.15870,
title = {DF* PageRank: Improved Incrementally Expanding Approaches for Updating PageRank on Dynamic Graphs},
author = {Subhajit Sahu},
journal= {arXiv preprint arXiv:2401.15870},
year = {2025}
}
备注
17 pages, 13 figures, 2 tables