GraphMineSuite：基于集合代数实现高性能且可编程的图挖掘算法
分布式、并行与集群计算
2023-08-01 v1 计算机视觉与模式识别
数据结构与算法
数学软件
性能
摘要
我们提出 GraphMineSuite (GMS)：首个面向图挖掘的基准测试套件，便于评估和构建高性能图挖掘算法。首先，GMS 基于广泛的文献调研提供了一套基准规范，规定了具有代表性的问题、算法与数据集。其次，GMS 提供了一个精心设计的软件平台，用于无缝测试图挖掘算法的不同细粒度要素，例如图表示或算法子例程。该平台包含所考虑的 40 余个基线的并行实现，并可促进复杂且快速的挖掘算法的开发。通过利用集合代数操作（如集合交与差），可实现高模块化，从而将复杂的图挖掘算法拆解为可单独实验的简单构建块。GMS 辅以广泛的并发性分析以保证性能洞察的可移植性，并提出了一种评估图挖掘算法吞吐量的新性能指标，从而实现更具洞察力的评估。作为用例，我们利用 GMS 快速重新设计并加速核心图挖掘问题的 SOTA 基线：退化重排序（最高 >2 倍）、极大团列举（最高 >9 倍）、k-团列举（1.1 倍）以及子图同构（最高 2.5 倍），同时也获得了更优的理论性能界。
引用
@article{arxiv.2103.03653,
title = {GraphMineSuite: Enabling High-Performance and Programmable Graph Mining Algorithms with Set Algebra},
author = {Maciej Besta and Zur Vonarburg-Shmaria and Yannick Schaffner and Leonardo Schwarz and Grzegorz Kwasniewski and Lukas Gianinazzi and Jakub Beranek and Kacper Janda and Tobias Holenstein and Sebastian Leisinger and Peter Tatkowski and Esref Ozdemir and Adrian Balla and Marcin Copik and Philipp Lindenberger and Pavel Kalvoda and Marek Konieczny and Onur Mutlu and Torsten Hoefler},
journal= {arXiv preprint arXiv:2103.03653},
year = {2023}
}