异质信息网络上的有效个体最公平社区搜索
数据库
2024-04-19 v1 数据结构与算法
社会与信息网络
摘要
异质信息网络上的社区搜索已广泛应用于活动组织和团队组建等领域。在这些场景中，接受相同待遇的群体成员往往具有不同的活动水平和工作量，这导致了活跃成员与非活跃成员之间待遇的不公平（称为个体不公平）。然而，现有工作没有关注个体公平性，也没有充分考虑异质信息网络的丰富语义（例如高阶结构），这使得复杂查询无法实现。为填补这一空白，我们正式定义了异质信息网络上个体最公平社区搜索问题（记为IFCS），其目标是从异质信息网络中找出一组具有相同类型、紧密关系以及活动水平差异小的顶点，该问题已被证明是NP难的。为此，我们首先开发了一种基于探索的过滤器，有效减少了社区的搜索空间。此外，为避免重复计算并提前剪枝不公平社区，我们提出了基于消息的方案和基于下界的方案。最后，我们在四个真实数据集上进行了大量实验，证明了所提算法的有效性和效率，其速度至少比基线解决方案快3倍。
引用
@article{arxiv.2404.12107,
title = {Effective Individual Fairest Community Search over Heterogeneous Information Networks},
author = {Taige Zhao and Jianxin Li and Ningning Cui and Wei Luo},
journal= {arXiv preprint arXiv:2404.12107},
year = {2024}
}