统一框架下稠密子图发现的深入分析
数据库
2024-06-10 v1 数据结构与算法
摘要
作为图挖掘中的一个基础议题，稠密子图发现（Densest Subgraph Discovery, DSD）在广泛的实际应用中发挥着重要作用。文献中已提出了包括精确算法和近似算法在内的多种DSD算法，但这些算法在相同的实验设置下进行系统而全面的比较研究不足。本文首先提出一个统一框架，从高层视角将所有DSD算法纳入一个整体。随后，我们在从小规模到十亿规模的图上，对代表性DSD算法进行广泛比较，评估各方法的有效性。此外，我们通过组合现有技术，提出了DSD算法的新变体，这些变体在保持相同精度保证的前提下，速度可提高最高10倍。最后，基于我们的发现，我们指出了一些有前景的研究机会。我们认为，深入理解现有算法的行为可为未来研究提供新的有价值见解。相关代码已发布于 https://anonymous.4open.science/r/DensestSubgraph-245A
引用
@article{arxiv.2406.04738,
title = {In-depth Analysis of Densest Subgraph Discovery in a Unified Framework},
author = {Yingli Zhou and Qingshuo Guo and Yi Yang and Yixiang Fang and Chenhao Ma and Laks Lakshmanan},
journal= {arXiv preprint arXiv:2406.04738},
year = {2024}
}
备注
19pages, 27 figures