Hub-Accelerator：大型社交网络中快速且精确的最短路径计算

最短路径计算是管理和分析大型社交网络的基本操作之一。尽管现有技术在大型但稀疏的道路网络上寻找最短路径非常有效，但社交图具有截然不同的特征：它们通常是非空间的、无权的、无标度的，并且除了规模巨大外还表现出小世界特性。特别是枢纽（hubs）的存在，即那些拥有大量连接的顶点，会急剧扩大搜索空间，使得最短路径计算变得异常具有挑战性。在本文中，我们引入了一套以枢纽为核心的新技术，统称为 Hub-Accelerator 框架，用于计算 k 度最短路径（即在两个顶点距离在 k 以内时寻找其最短路径）。这些技术使我们能够显著减少搜索空间，方法要么是通过大幅限制枢纽的扩展范围（使用新颖的保距枢纽网络概念），要么是在线搜索中完全剪枝掉枢纽（使用 Hub2-Labeling 方法）。Hub-Accelerator 方法在最短路径计算上的速度比 BFS 和最先进的近似最短路径方法 Sketch 快两个数量级以上。Hub-Network 方法不会引入额外的索引成本，且预计算成本较低；Hub2-Labeling 的索引大小和索引构建成本也适中，优于或可与近似索引方法 Sketch 相媲美。