利用计算友好的图压缩方法
数据结构与算法
2018-02-20 v3
摘要
计算大图的（二值）邻接矩阵与实值向量的乘积是各种图分析任务（如计算 PageRank）的核心操作。在本文中，我们展示了一些众所周知的 Web 图和社交图压缩格式是计算友好的，即它们能够加速计算。具体而言，我们证明了 Boldi 和 Vigna 提出的格式允许在与压缩后图大小成正比的时间内计算该乘积。我们的实验结果表明，在压缩率至少达到原始图 5 倍的图上，加速比至少为 2。我们证明了其他成功的图压缩格式同样具备这一性质。
引用
@article{arxiv.1708.07271,
title = {Exploiting Computation-Friendly Graph Compression Methods},
author = {Alexandre P. Francisco and Travis Gagie and Susana Ladra and Gonzalo Navarro},
journal= {arXiv preprint arXiv:1708.07271},
year = {2018}
}
备注
This research has received funding from the European Union's Horizon 2020 research and innovation programme under the Marie Sklodowska-Curie Actions H2020-MSCA-RISE-2015 BIRDS GA No. 690941. Accepted to 2018 Data Compression Conference (DCC)