面向万维网规模图的实时无索引单源 SimRank 处理
数据库
2020-02-20 v1 人工智能
社会与信息网络
摘要
给定图 G 以及 G 中的一个节点 u，单源 SimRank 查询用于评估 u 与 G 中每个节点 v 之间的相似度。现有的单源 SimRank 计算方法要么查询响应时间长，要么需要昂贵的预计算，且每当图 G 发生变化时都需重新执行预计算。因此，据我们所知，它们都不适用于以下场景：(i) 查询处理必须实时完成，且 (ii) 底层图 G 规模巨大且频繁更新。受此驱动，我们提出 SimPush，一种无需任何预计算即可回答单源 SimRank 查询的新算法，同时其查询处理速度甚至显著优于已知最快的基于索引的方案。此外，SimPush 提供严格的结果质量保障，其高性能不依赖于底层图的任何强假设。具体而言，与现有方法相比，SimPush 采用了截然不同的算法设计，侧重于 (i) 识别与查询相关的一小部分节点，随后 (ii) 仅从这些节点计算统计量并执行残差推送。我们证明了 SimPush 的正确性，分析了其时间复杂度，并将其渐近性能与现有方法进行比较。同时，我们通过在 8 个真实数据集上的大量实验评估了 SimPush 的实用性能。结果表明，SimPush 始终优于所有现有方案，通常快一个数量级以上。特别地，在一台商用机器上，SimPush 在包含超过 1.33 亿个节点和 54 亿条边的万维网图上回答单源 SimRank 查询耗时低于 62 毫秒，经验误差为 0.00035，而最快的基于索引的竞品需要 1.18 秒。
引用
@article{arxiv.2002.08082,
title = {Realtime Index-Free Single Source SimRank Processing on Web-Scale Graphs},
author = {Jieming Shi and Tianyuan Jin and Renchi Yang and Xiaokui Xiao and Yin Yang},
journal= {arXiv preprint arXiv:2002.08082},
year = {2020}
}
备注
To appear in PVLDB 2020