大规模属性图上的高效可扩展聚类
社会与信息网络
2021-09-21 v2 机器学习
摘要
给定图 G，其中每个节点关联一组属性，以及指定输出簇数的参数 k，k-属性图聚类（k-AGC）将 G 中的节点划分为 k 个不相交簇，使得同一簇内节点共享相似的拓扑与属性特征，而不同簇间节点不相似。该问题在大规模图（例如数百万节点、数十亿边）上极具挑战。对于此类图，现有方案要么代价过高，要么产生的聚类结果质量受损。本文提出 ACMin，一种针对 k-AGC 的有效方法，可产出高质量簇且代价与输入图 G 的规模呈线性关系。ACMin 的主要贡献有两点：(i) 基于为本问题定制的属性多跳 conductance 质量度量对 k-AGC 问题进行新颖表述，其有效从拓扑邻近与属性相似两方面刻画簇一致性；(ii) 一种线性时间优化求解器，基于正交迭代、交替优化等高效矩阵运算以及显著加速 ACMin 实际收敛的初始化技术，迭代获得高质量簇。在 6 个真实数据集上与 11 个竞争对手的广泛实验表明，ACMin 在针对真值标签衡量的结果质量上始终优于所有竞争对手，同时快达数个数量级。特别是在具有 2.652 亿条边和 11 亿属性值的 Microsoft Academic Knowledge Graph 数据集上，ACMin 使用单 CPU 核在 1.68 小时内输出 5-AGC 的高质量结果，而 11 个竞争对手无一在 3 天内完成。
引用
@article{arxiv.2102.03826,
title = {Effective and Scalable Clustering on Massive Attributed Graphs},
author = {Renchi Yang and Jieming Shi and Yin Yang and Keke Huang and Shiqi Zhang and Xiaokui Xiao},
journal= {arXiv preprint arXiv:2102.03826},
year = {2021}
}
备注
This is the full version of the paper appearing in TheWebConf 2021. The DOI assigned: https://doi.org/10.1145/3442381.3449875