大规模图中 k-顶点连通分量的枚举
数据库
2017-03-28 v1 社会与信息网络
摘要
凝聚子图检测是一个重要的图问题，广泛应用于社交社区发现、网络可视化和网络拓扑分析等诸多领域。现有的大多数凝聚子图度量能保证良好的结构性质，但可能导致搭便车效应。这里，搭便车效应是指一些不相关的子图仅因共享少量顶点和边就被合并为一个子图。本文研究 k-顶点连通分量（k-VCC），它能有效消除搭便车效应，但在文献中研究较少。一个 k-VCC 是一个连通子图，其中移除任意 k-1 个顶点都不会使该子图不连通。除消除搭便车效应外，k-VCC 还具有有界直径、高凝聚性、有界图重叠和有界子图数量等优点。我们提出一种多项式时间算法，通过将图递归划分为重叠子图来枚举图的所有 k-VCC。我们发现，改进算法的关键在于减少局部连通性测试的次数。因此，我们提出两种有效的优化策略，即邻居扫描和分组扫描，以大幅减少局部连通性测试次数。我们使用七个大型真实数据集进行了广泛的性能研究，以证明该模型的有效性以及所提算法的效率。
引用
@article{arxiv.1703.08668,
title = {Enumerating k-Vertex Connected Components in Large Graphs},
author = {Dong Wen and Lu Qin and Xuemin Lin and Ying Zhang and Lijun Chang},
journal= {arXiv preprint arXiv:1703.08668},
year = {2017}
}
备注
16 pages