Exact Computation of Graph Edit Distance for Uniform and Non-uniform Metric Edit Costs

文章简介

1. 文章标题：
   Exact Computation of Graph Edit Distance for Uniform and Non-uniform Metric Edit Costs
   其他标题：On the exact computation of the graph edit distance
2. 论文链接：
   2.1论文初稿1
   2.2论文网站版本
3. 文章来源：期刊 Pattern Recognition Letters 2018
4. 作者单位：
   单位：
   博赞博尔扎诺自由大学(Free University of Bozen-Bolzano)，计算机科学学院，意大利
   姓名：
   戴维·B·布卢门撒尔 (David B. Blumenthal)
   约翰·甘珀(Johann Gamper)
   邮箱：
   david.blumenthal@inf.unibz.it
   gamper@inf.unibz.it

文章思路总结

重要术语解释

1. uniform cost:

If the cost of each edit operation equals 1, we say that the edit costs are uniform.
编辑操作分为顶点的增加、删除、标签修改，边的增加、删除、标签修改这六种操作。如果每一步的操作成本都是1，则代价是uniform。
例如，如果图形建模的是空间对象，并且节点标签是欧几里得坐标，则将节点的标签从α更改为β所必须付出的成本$c_V（\alpha ，\beta ）$可能应定义为α与β之间的欧几里得距离。（即不是代价为一的编辑距离）

2.DF_GED

  DF_GED也是A* 算法的一种优化，但是基本思想仍然是通过节点映射的方法，找出成本最小的映射编辑路径。
  下面的没看懂

  lower bound 是什么意思？
  作者的优化思路是：原来的DF_GED的算法在计算编辑距离的时候是non-uniform的，怎样把这个算法推广到uniform的情况。并且在计算部分映射$h(\pi )$使用线性时间。

注意，$g(\pi )$和$h(\pi )$和表示相应的不完整的导出编辑路径和从映射$\pi$到叶子节点的下界（完整的映射）。
  以上计算下界的过程，如果使用匈牙利算法，时间复杂度是三次方。复杂度的底数是俩个图节点个数和，指数是俩个图边数较大的一个。这种复杂度计算量很高，作者通过一个引理，可以在线性时间内计算出来下界$h(\pi )$：

  头脑里面好像有浆糊

3.CSI_GED

  CES_GED也是通过A* 算法，搜索最佳的映射路径。但是不同其他的顶点映射，算法使用了边映射的方法。本文针对CSI_GED只针对uniform cost的情况，将其归纳到non-uniform的情况。
  original CSI_GED:

  改进的GSI_GED:

  引理2中使用${\Gamma }^{nu}()$替换了原来的值，这是主要的变化。

遗留的问题

1. 什么是上界？在A* 算法中，经常提到上界和下界，它和启发式算法有什么联系？
2. A* 算法的思路到底是什么？

文章总结：

1.解决问题

  文章整理了前人研究的几种基于A* 搜索计算编辑距离的三种算法DF_GED、DF、CSI_GED。这三种算法虽然比A* 算法在性能上要优越，但是却不能拓展到uniform或者non-uniform的情况。作者为了解决这个问题，将DF_GED和CSI_GED的算法进行了细致的研究。

2.使用方法

  基于A* 搜索的方法，重点研究了上界和下界的计算。

3.文章不足

  虽然作者将uniform和non-uniform的情况都考虑在了基于A* 算法中，但是对于不同的数据集来讲，未能考虑到数据集的属性，不能确定是否使用基于节点映射的A* 算法好，还是基于边映射的A* 算法好。因此需要对于图数据集进行个性化把这个选择确定下来。