用于层次稠密子图发现的二分网络并行剥离

Wing 与 Tip 分解分别构建蝴蝶稠密的边诱导与顶点诱导二分子图的层次结构。它们在电子商务、推荐系统和文档分析等多个领域有应用。现有分解算法采用自底向上方法，按子图密度递增顺序构建层次。它们迭代剥离具有最小蝴蝶计数的实体，即从图中移除并更新其他实体的蝴蝶计数。然而，大型二分图中的蝴蝶数量使自底向上剥离计算代价高昂。此外，严格的实体剥离顺序导致大量顺序依赖的迭代，使并行化具挑战性。本文提出一种新颖的并行二分网络剥离（PBNG）框架，采用两阶段剥离方法放宽剥离顺序，进而减少同步。第一阶段通过极少剥离迭代将分解层次划分为若干分区。第二阶段并发处理这些分区以生成最终层次，且无需全局同步。两阶段剥离进一步支持批处理优化，显著提升计算效率。我们使用多个真实世界二分图对 PBNG 进行经验评估。与最先进框架和分解算法相比，PBNG 分别实现了高达四个数量级的同步减少和两个数量级加速。我们还展示了部分最大公共真实数据集的首个分解结果，PBNG 可在数分钟内剥离，而现有算法即便数天也无法处理。