面向大规模二部图的高效双桁架分解
数据库
2020-01-20 v1
摘要
二部图中的内聚子图挖掘近期成为热门研究课题。一种重要结构 k-bitruss 是最大内聚子图,其中每条边至少包含在 k 个蝴蝶(即 (2, 2)-双团)中。本文中,我们研究双桁架分解问题,旨在找出所有 k >= 0 的 k-bitruss。现有的自底向上技术需要迭代地剥离具有最低蝴蝶支撑数的边。在此剥离过程中,这些技术耗时地枚举每条边的所有支撑蝴蝶。为缓解此问题,我们首先提出一种新颖的在线索引——BE-Index,它将蝴蝶压缩为 k-blooms(即 (2, k)-双团)。基于 BE-Index,提出了新的双桁架分解算法 BiT-BU,并配合两种基于批处理的优化,以高效方式完成剥离过程的蝴蝶枚举。此外,设计了 BiT-PC 算法,其在处理具有高蝴蝶支撑数的边时更为高效。我们从理论上证明新算法显著降低了现有算法的时间复杂度。同时,我们在真实数据集上进行了广泛实验,结果表明新技术可将最先进技术的速度提升高达两个数量级。
引用
@article{arxiv.2001.06111,
title = {Efficient Bitruss Decomposition for Large-scale Bipartite Graphs},
author = {Kai Wang and Xuemin Lin and Lu Qin and Wenjie Zhang and Ying Zhang},
journal= {arXiv preprint arXiv:2001.06111},
year = {2020}
}