Stars：用于聚类和图学习的太规模图构建

海量数据分析中的一个基本流程是相似图的构建。此类图对许多下游任务起着关键作用，包括聚类、分类、图学习和最近邻搜索。对于这些任务，构建稀疏但仍能代表底层数据的图至关重要。稀疏性的好处有两方面：首先，对于大型数据集，构建稠密图在实践中不可行；其次，下游任务的运行时间直接受相似图稀疏性的影响。在这项工作中，我们提出 $\textit{Stars}$：一种通过二跳 spanner 构建极稀疏图的高度可扩展方法，这类图中相似点由长度至多为二的路径相连。Stars 能以显著更少的相似度比较构建二跳 spanner，而相似度比较对于基于学习的模型是主要瓶颈，因其评估代价高昂。理论上，我们证明 Stars 在近似线性时间内构建图，其中近似最近邻包含于二跳邻域内。在实践中，我们已将 Stars 部署于多个数据集，实现了 $\textit{Tera-Scale}$（即具有数十万亿条边的图）的图构建。我们评估了 Stars 在聚类和图学习上的性能，并展示相较于不同基线，成对相似度比较有 10~1000 倍的提升，运行时间有 2~10 倍的提升且无质量损失。