基于节点相似性分组与图压缩的图摘要算法 |
| |
引用本文: | 宏宇,陈鸿昶,张建朋,黄瑞阳.基于节点相似性分组与图压缩的图摘要算法[J].计算机应用,2023(10):3047-3053. |
| |
作者姓名: | 宏宇 陈鸿昶 张建朋 黄瑞阳 |
| |
作者单位: | 1. 郑州大学网络空间安全学院;2. 信息工程大学信息技术研究所 |
| |
基金项目: | 国家自然科学基金资助项目(62002384);;中国博士后科学基金资助项目(2020M683760)~~; |
| |
摘 要: | 方法压缩率较高,图压缩算法无法直接被用于下游任务分析的问题,提出一种图摘要与图压缩的融合算法,即基于节点相似性分组与图压缩的图摘要算法(GSNSC)。首先,初始化节点为超节点,并根据相似度对超节点分组;其次,将每个组的超节点合并,直到达到指定次数或指定节点数;再次,在超节点之间添加超边和校正边以恢复原始图;最后,对于图压缩部分,判断对每个超节点的邻接边压缩和摘要的代价,并选择二者中代价较小的执行。在Web-NotreDame、Web-Google和Web-Berkstan等6个数据集上进行了图压缩率和图查询实验。实验结果表明,在6个数据集上,与SLUGGER(Scalable Lossless sUmmarization of Graphs with HiERarchy)算法相比,所提算法的压缩率至少降低了23个百分点;与SWeG(Summarization of Web-scale Graphs)算法相比,所提算法的压缩率至少降低了13个百分点;在Web-NotreDame数据集上,所提算法的度误差比SWeG降低了41.6%。以上验证了所提算法具有更好的图压缩率和图查询准确度。
|
关 键 词: | 图摘要 图压缩 图查询 超边 最小描述长度 |
|
|