MiDaS：来自真实超图的代表性采样

图被广泛用于表示复杂系统中的成对交互。由于此类真实图规模庞大且常持续增长，采样一个小的代表性子图对于多种目的不可或缺：仿真、可视化、流处理、表示学习、爬取等。然而，许多复杂系统由群体交互构成（例如研究者的合作与在线问答平台的讨论），因此它们能比普通图更自然且准确地由超图（即集合的集合）表示。受大规模超图普遍性的驱动，我们研究来自真实超图的代表性采样问题，旨在回答（Q1）何为代表性子超图，以及（Q2）我们如何无需广泛搜索便快速找到代表性子超图。关于 Q1，我们提议通过在十个图级、超边级与节点级统计量上与整个超图比较来衡量子超图的优劣。关于 Q2，我们首先在 11 个真实超图中分析六种直观方法的特性。然后，基于该分析，我们提出 MiDaS，其以偏向高 degree 节点的超边之方式抽取超边。通过广泛实验，我们证明 MiDaS 是（a）代表性的：在 13 种考量方法中整体找到最具代表性的样本；（b）快速的：比进行广泛搜索的最强竞争者快数个数量级；以及（c）自动的：快速搜索恰当的偏置程度。