ParClusterers 基准测试套件 (PCBS)：可扩展图聚类的细粒度分析
分布式、并行与集群计算
2024-11-18 v1 人工智能
机器学习
社会与信息网络
摘要
我们介绍 ParClusterers 基准测试套件 (PCBS)——一套高度可扩展的并行图聚类算法和基准测试工具集合，简化了不同图聚类算法及实现的比较。该基准包含的聚类算法针对广泛的现代聚类用例，包括社区发现、分类和稠密子图挖掘。基准测试工具包使运行和评估不同聚类算法的多个实例变得容易，这可用于针对给定任务微调聚类性能，并基于不同关注指标（包括聚类质量和运行时间）比较不同聚类算法。使用 PCBS，我们评估了广泛的真实世界图聚类数据集。略显惊人的是，我们发现最佳质量结果由许多流行图聚类工具包中未包含的算法获得。PCBS 为评估和判断可扩展图聚类算法这一活跃研究领域的质量-性能权衡提供了标准化方式。我们相信它将有助于未来实现对图聚类算法的公平、准确和细致的评估。
引用
@article{arxiv.2411.10290,
title = {The ParClusterers Benchmark Suite (PCBS): A Fine-Grained Analysis of Scalable Graph Clustering},
author = {Shangdi Yu and Jessica Shi and Jamison Meindl and David Eisenstat and Xiaoen Ju and Sasan Tavakkol and Laxman Dhulipala and Jakub Łącki and Vahab Mirrokni and Julian Shun},
journal= {arXiv preprint arXiv:2411.10290},
year = {2024}
}
备注
This is a preliminary version of a paper that will appear at VLDB'25