面向图相似搜索的度量索引

在大型数据库中查找与查询图最相似的图是一项具有多种应用的常见任务。一种广泛使用的相似性度量是图编辑距离，它提供了直观的相似性概念，并天然支持带顶点和边属性的图。由于其计算是 NP 难的，加速相似搜索的技术已被广泛研究。然而，针对此问题的基于索引的方法几乎专为具有类别型顶点与边标签以及均匀编辑代价的图而设计。我们提出一种用于相似搜索的过滤-验证框架，支持对具有任意属性的图使用非均匀编辑代价。我们采用通过求解最优分配问题得到的代价较高的下界。该过滤距离满足三角不等式，使其适合通过度量索引加速。在后续阶段，基于分配的上界被用于避免进一步的精确距离计算。我们大量的实验评估表明，相较于线性扫描和现有最优方法，该方法实现了显著的运行时优势。