Graph Similarity Search with Edit Distance Constraint in Large Graph Databases通过分支（Branch）构建编辑距离下界

文章简介：

1. 文章标题：Graph Similarity Search with Edit Distance Constraint in Large Graph Databases
2. 文章来源：CIKM 2013
3. 作者单位：
   郑伟国 北京大学
   邹雷 北京大学
   德克萨斯州湘联大学-泛美分校，美国爱丁堡
   北京大学 王东
   北京大学 赵冬岩
4. 文章链接

文章正文：

1. 分支距离的概念：

2.下界的提出：

3.索引的提出：

作用：过滤掉不满足阈值的数据图，得出候选集。如果查询图和索引中的节点的分支距离不满足引理2，即查询图和$N_i$分支距离（where B(q) and B(g) are the branch structure multisets of q and g respectively）大于阈值，那么以$N_i$为节点的子树就会被修剪掉。

实验：

1.数据集：

真实数据集：

  AIDS是NCI / NIH2中发展治疗学计划的抗病毒筛选化合物数据集

合成数据集：

  在我们的实验中使用了合成图模型，即E rdos R enyi（表示为ER）。 在ER模型中，N个顶点由M个随机选择的边连接。

2.对比方法：

c-star[17],k-AT[15] and path-gram[19]

3.实验角度：

  针对所设计索引比较了：离线中索引构建的大小，在线中索引的过滤能力，过滤的时间

文章总结:

1.解决问题：

  编辑距离测量图的相似度已经成为一种流行的方法，很多学者通过定义编辑距离的下届，如基于n-gram（C-star/tree/path）、基于全局的下限（顶点和标签）过滤不满足下限的数据图。但是，这些下限的定义都存在了不足：too loose。例如，在在基于n-gram的下限中，使用k-邻居树作为俩个图的公共部分，但是当k大于2时，一个编辑操作将会影响非常多的k-邻居树。

2.使用方法：

  作者也遵循了下界过滤的思路，定义了branch distance的概念。通过俩个图的branches，定义俩个图之间的branch distance，从而定义了俩个图之间的最小的branch distance 。这也是GED的下届。为了不让查询图和数据图计算所有的分之距离，作者通过分之距离定义了分支距离树的索引。在索引中，叶节点表示每个数据图，中间节点是其孩子节点的并集。若查询图和中间节点的branch distance 大于给定的编辑阈值，则中间节点下的所有分支（就是数据图）将会被裁剪，这也大大提高了过滤的效率。随后在候选集中，运用其他验证算法验证候选集是是否是最终的结果。

3.文章不足：

1. 未考虑到上限。虽然文章提出了新的编辑距离的下限，但是创新点仅仅是通过构建分支距离来定义。最大的问题，是没有计算上限。
2. 计算的空间和时间复杂度高。在计算俩个图分支距离的最小值时候，需要进行二部图的最小求和运算。当俩个图的节点数很大，运算复杂度升高。即使用匈牙利（hungarian算法，时间复杂度也会高达$O(m^3)$（m是俩个比较图中较大顶点个数）。