基于时间约束个性化 PageRank 的查询中心时序社区搜索
数据结构与算法
2023-02-20 v1
摘要
现有时序社区搜索存在两个缺陷：（i）它们忽略查询顶点 与其他顶点间的时间邻近性，仅简单要求结果包含 。因此，为满足内聚性，它们找到了许多与 时间无关的顶点（这些顶点称为\emph{查询漂移顶点}），导致 被边缘化；（ii）其方法为 NP-hard，精确解成本高，或近似/启发式算法质量受损。受此启发，我们提出一种称为\emph{查询中心}时序社区搜索的新问题，以规避\emph{查询漂移顶点}。具体而言，我们首先提出时间约束个性化 PageRank 新概念来刻画 与其他顶点间的时间邻近性。然后，我们引入称为 -时间邻近核的模型，其可结合时间邻近性与结构内聚性。随后，我们将问题表述为寻找具有最大 的 -时间邻近核的优化任务。为求解该问题，我们首先设计了一个精确且近线性时间的贪心移除算法，迭代移除无望顶点。为提升效率，我们进而设计了带基于界限剪枝技术的近似两阶段局部搜索算法。最后，在八个真实数据集与九个竞争方法上的大量实验显示了所提方案的优越性。
引用
@article{arxiv.2302.08740,
title = {Query-Centered Temporal Community Search via Time-Constrained Personalized PageRank},
author = {Longlong Lin and Pingpeng Yuan and Rong-Hua Li and Chunxue Zhu and Hongchao Qin and Hai Jin and Tao Jia},
journal= {arXiv preprint arXiv:2302.08740},
year = {2023}
}