用于高效挖掘给定基数连通诱导子图的新算法
数据结构与算法
2023-03-17 v3 离散数学
摘要
从网络（或图）中挖掘具有有趣结构性质的子图是一项计算挑战性任务。本文提出两种从网络（或网络中的连通无向图）枚举所有给定基数连通诱导子图的算法。第一种算法是先前知名算法的一个变体。该算法以自底向上的方式枚举所有基数为 的连通诱导子图。文中给出了可实现单位时间元素检查和线性空间的数据结构。不同于先前或以自底向上或以反向搜索方式工作的算法，我们提出了一种以自顶向下方式枚举所有基数为 的连通诱导子图的算法。对自顶向下算法的正确性和复杂度进行了理论分析与证明。实验中，我们使用来自不同领域的一组真实网络评估算法效率。实验结果表明，变体自底向上算法在枚举小基数连通诱导子图上优于 SOTA 算法，而自顶向下算法在枚举大基数连通诱导子图上可比 SOTA 算法实现数量级加速。
引用
@article{arxiv.2112.07197,
title = {Novel Algorithms for Efficient Mining of Connected Induced Subgraphs of a Given Cardinality},
author = {Shanshan Wang and Chenglong Xiao},
journal= {arXiv preprint arXiv:2112.07197},
year = {2023}
}