×
基法亚特·乌拉·汗；巴贾加尔多尔戈苏伦；Anh，Tu Nguyen先生；瓦卡斯·纳瓦兹；李永古

使用局部敏感散列的加权图的更快压缩方法。 （英语） Zbl 1436.68246号

信息科学。 421237-253（2017）.
总结：图边缘的权重可以显示社交网络成员之间的交互、任何组织中交换的电子邮件以及道路上的交通流。然而，当图的大小较大时，挖掘隐藏模式是很困难的。如果能够保留其底层图的结构和边权重信息，则创建紧凑摘要非常有用。本文中的现有工作提供了一种成对压缩策略，以创建一个摘要，其解压缩版本与初始状态相比边缘权重差异最小。得到的摘要图是紧凑的，但由于穷举的两两搜索，解决方案具有二次时间复杂性。因此，我们提出了一种基于集合的摘要方法来聚合节点集。我们避免了显式的相似性计算，并通过位置敏感哈希（LSH）直接识别所需的集。LSH加速了摘要过程，但其散列方案不能考虑边缘权重。当所需摘要的目标更改为个性化视图时，有必要在散列过程中考虑边缘权重。因此，我们提出了一种用于LSH的非参数哈希方案，以从每个节点的加权邻域生成候选相似节点。我们与最先进的解决方案进行比较，并使用各种实验标准获得更好的结果。

引用于2文件

MSC公司：

68兰特 计算机科学中的图论（包括图形绘制）
05C22号 有符号图和加权图
05C82号 小世界图形、复杂网络（图形理论方面）
68页30 编码和信息理论（压缩、压缩、通信模型、编码方案等）（计算机科学方面）
91天30分 社交网络；意见动态

关键词：

图形摘要；基于集合的合并；个性化摘要图；最小散列；局部敏感散列

软件：

WebGraph（网络图表）；ArnetMiner公司
PDF格式BibTeX公司 XML格式引用
\textit{K.U.Khan}等人，《信息科学》。421237--253（2017；Zbl 1436.68246）
全文： 内政部

参考文献：

[1] Shi，L。；Tong，H。；Tang，J。；Lin，C.，Vegas:引用网络的视觉影响图摘要，Knowl。数据工程IEEE Trans。，27, 3417-3431 (2015)
[2] 曲，Q。；刘，S。；简森，C.S。；朱，F。；Faloutsos，C.，《动态网络中有趣驱动的扩散过程总结，数据库中的机器学习和知识发现》，597-613（2014），Springer
[3] 刘伟。；Kan，A。；Chan，J。；Bailey，J。；Leckie，C。；裴，J。；Kotagiri，R.，《关于压缩加权时间演化图》，《第21届ACM信息和知识管理国际会议论文集》，2319-2322（2012），ACM
[4] 纳瓦拉卡，S。；Rastogi，R。；Shrivastava，N.，有界误差的图形摘要，2008年美国计算机学会SIGMOD国际数据管理会议论文集，419-432（2008），美国计算机学会
[5] 田，Y。；汉金斯，R.A。；Patel，J.M.，《图形摘要的高效聚合》，《2008年ACM SIGMOD国际数据管理会议论文集》，567-580（2008），ACM
[6] 香薰酮，H。；周，F。；Hartikainen，A。；Hinkka，A.，加权图的压缩，第17届ACM SIGKDD知识发现和数据挖掘国际会议论文集，965-973（2011），ACM
[7] 沙阿，N。；库特拉，D。；邹，T。；加拉赫，B。；Faloutsos，C.，《Timecrunch:可解释动态图摘要》，《第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，1055-1064（2015），ACM
[8] Khan，K.U.，使用局部敏感散列的基于集合的无损图摘要方法，数据工程研讨会（ICDEW），2015年第31届IEEE国际会议，255-259（2015），IEEE
[9] LeFevre，K。；Terzi，E.，GraSS：图形结构摘要。，SDM，454-465（2010年），SIAM
[10] Riondato，M。；加西亚·索里亚诺（García-Soriano），D。；Bonchi，F.，《带质量保证的图形摘要》，2014年IEEE国际数据挖掘会议，947-952（2014），IEEE
[12] Indyk，P。；Motwani，R.，《近似最近邻：消除维数诅咒》，第三十届ACM计算理论研讨会论文集，604-613（1998），ACM·Zbl 1029.68541号
[13] Macropol，K。；Singh，A.，《大型图上最佳簇的可伸缩发现》，Proc。荷兰VLDB。，3，693-702（2010年）
[14] Leskovec，J。；Rajaraman，A。；Ullman，J.D.，《海量数据集挖掘》（2014），剑桥大学出版社
[15] Newman，M.E.J.，《科学合作网络的结构》，Proc。国家。阿卡德。科学。，98, 404-409 (2001) ·Zbl 1065.00518号
[16] Tang，J。；张杰。；姚明。；Li，J.等人。；张，L。；Su，Z.，Arnetminer:学术社交网络的提取和挖掘，第14届ACM SIGKDD国际知识发现和数据挖掘会议论文集，990-998（2008），ACM
[17] 法洛索斯，M。；Faloutsos，P。；Faloutsos，C.，《互联网拓扑的幂律关系》，ACM SIGCOMM计算机通信评论，第29卷，251-262（1999），ACM
[18] 埃尔南德斯，C。；Navarro，G.，《网络和社交图的压缩表示法》，Knowl。信息系统。，40, 279-313 (2014)
[19] Khan，K.U。；纳瓦兹，W。；Lee，Y.-K.，基于集合的多属性图摘要统一方法，万维网，20543-570（2017）
[20] Maccioni，A。；Abadi，D.J.，通过去量化实现压缩图上的可缩放模式匹配，第22届ACM SIGKDD国际知识发现和数据挖掘会议论文集，1755-1764（2016），ACM
[21] Shi，L。；Sun，S。；Xuan，Y。；苏，Y。；Tong，H。；马，S。；Chen，Y.，主题：走向完美影响图总结，2016 IEEE第32届国际数据工程会议（ICDE），1074-1085（2016）
[22] Boldi，P。；Vigna，S.，网络图框架i：压缩技术，第13届万维网国际会议论文集，595-602（2004），ACM
[23] Chierichetti，F。；库马尔，R。；Lattanzi，S。；Mitzenmacher，M。；Panconesi，A。；Raghavan，P.，《关于压缩社交网络》，第15届ACM SIGKDD国际知识发现和数据挖掘会议论文集，219-228（2009），ACM
[24] 利亚科斯，P。；帕帕康斯坦丁诺普洛，K。；Sioutis，M.，《在图形压缩中推进包络线》，《第23届ACM国际信息与知识管理会议论文集》，1549-1558（2014），ACM
[26] Broder，A.Z.，《关于文档的相似性和包容性》，《序列的压缩和复杂性》1997年。会议记录，21-29（1997），IEEE
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。