在动态图中寻找简洁、精确且穷尽的近双团集合
社会与信息网络
2022-01-13 v3 数据库
摘要
动态图上的多种任务，包括异常检测、社区发现、压缩与图理解，已被表述为识别组成性（近）双团（即完全二部图）的问题。即便我们将注意力限制于极大近双团，其数量也可能呈指数级增长，因此对于大图而言找出所有近双团在实践中是不可能的。由此自然产生两个问题：（Q1）什么是“好”的近双团集合？即，给定输入动态图中的一组近双团，应如何评估其质量？（Q2）给定一个大动态图，如何快速识别其中的高质量近双团集合？关于 Q1，我们衡量给定近双团集合描述输入动态图的简洁性、精确性与穷尽性。我们基于最小描述长度（Minimum Description Length）原理系统性地结合这三种视角。关于 Q2，我们提出 CutNPeel，一种用于高质量近双团集合的快速搜索算法。通过自适应地重新划分输入图，CutNPeel 缩减了搜索空间，同时提升了搜索质量。我们使用六个真实世界动态图的实验表明，CutNPeel 具有：（a）高质量：相较最先进的竞争方法提供质量最高提升达 51.2% 的近双团；（b）快速：比次优竞争方法最高快 68.8 倍；（c）可扩展：可扩展至具有 1.34 亿条边的图。我们还展示了 CutNPeel 在图压缩与模式发现中的成功应用。
引用
@article{arxiv.2110.14875,
title = {Finding a Concise, Precise, and Exhaustive Set of Near Bi-Cliques in Dynamic Graphs},
author = {Hyeonjeong Shin and Taehyung Kwon and Neil Shah and Kijung Shin},
journal= {arXiv preprint arXiv:2110.14875},
year = {2022}
}
备注
To be published in WSDM 2022