大型静态与动态图中可扩展的Katz排序计算
数据结构与算法
2018-07-12 v1 分布式、并行与集群计算
摘要
网络分析定义了许多中心性度量以识别网络中最中心的节点。这些度量的快速计算是算法网络分析中的一大挑战。除紧密中心性和介数中心性外，Katz中心性是公认的中心性度量之一。在本文中，我们考虑计算Katz中心性排序的问题。特别地，我们提出给定节点Katz得分的上界与下界。先前的方法依赖数值近似或启发式来计算Katz中心性排序，而我们构建了一种迭代改进这些上界与下界直至获得正确Katz排序的算法。我们将算法扩展至动态图同时保持其正确性保证。实验表明，根据所需质量保证的不同，我们的静态图算法以1.5倍至3.5倍的速度提升优于数值方法与启发式。我们的动态图算法对于小于10000条边的更新批次优于静态算法。我们提供了算法的高效并行CPU与GPU实现，使得对具有数亿节点的图在数分之一秒内实现近实时的Katz中心性计算成为可能。
引用
@article{arxiv.1807.03847,
title = {Scalable Katz Ranking Computation in Large Static and Dynamic Graphs},
author = {Alexander van der Grinten and Elisabetta Bergamini and Oded Green and David A. Bader and Henning Meyerhenke},
journal= {arXiv preprint arXiv:1807.03847},
year = {2018}
}
备注
Published at ESA'18