基于锚点感知下界估计的高效图编辑距离计算与验证
数据库
2017-10-03 v2 数据结构与算法
摘要
图编辑距离（GED）是两图之间基于相似性分析中采用的一种重要相似性度量，计算GED是图数据库分析中的基本操作。部分由于其NP困难性，现有的计算GED的技术仅能处理顶点数少于30的极小图。受此启发，本文系统地研究了GED计算与GED验证（即验证两图之间的GED是否不大于用户给定的阈值）问题。首先，我们开发了一个统一框架，可实例化为最佳优先搜索方法AStar+或深度优先搜索方法DFS+。其次，我们设计了锚点感知下界估计技术，为中间搜索状态计算更紧的下界，从而显著缩小了AStar+和DFS+的搜索空间。我们还提出了计算下界的高效技术。第三，基于我们的统一框架，我们对比了AStar+与DFS+在时间和空间复杂度上的表现，并指出AStar+因具有更小的搜索空间而优于DFS+。大量实验验证了AStar+的性能优于DFS+，并表明我们的AStar+-BMa方法比现有最优技术快四个数量级以上。
引用
@article{arxiv.1709.06810,
title = {Efficient Graph Edit Distance Computation and Verification via Anchor-aware Lower Bound Estimation},
author = {Lijun Chang and Xing Feng and Xuemin Lin and Lu Qin and Wenjie Zhang},
journal= {arXiv preprint arXiv:1709.06810},
year = {2017}
}