MANTRA：基于采样的时间介数中心性近似方法

我们提出 MANTRA，一个用于近似时序图中所有节点时间介数中心性的框架。我们的方法能够在 Bu{\ss} 等人 (KDD, 2020) 工作中提出的所有可行时间路径最优性下，计算出具有概率保证的高质量时间介数估计（针对节点与时间边）。我们提供了方法的样本复杂度分析，并利用基于 Monte Carlo Empirical Rademacher Averages 的最先进渐进采样方法加速时间介数计算。此外，我们提供了一种高效采样算法，以高概率在微小误差 $\varepsilon$ 内近似时间直径、平均路径长度及其他基础时序图特征量。该近似算法的运行时间为 $\tilde{\mathcal{O}}(\frac{\log n}{\varepsilon^2}\cdot |\mathcal{E}|)$，其中 $n$ 为节点数，$|\mathcal{E}|$ 为时序图中的时间边数。我们通过多个真实网络上的广泛实验分析支撑理论结果，并提供经验证据：MANTRA 框架在保持时间介数估计高精度的同时，于速度、样本量和所需空间上均优于当前最优水平。