An Efficient Graph Indexing Method 2012

文章简介

1. 文章标题：
   An Efficient Graph Indexing Method
2. 文章链接
3. 作者单位：
   王小丽＃，丁小峰*，Anthony K.H. 董＃，杉杉英＃，海进*＃
   新加坡国立大学计算机学院，电子邮件：{xiaoli，atung，shanshan}@comp.nus.edu.sg*
   华中科技大学计算机科学学院 中国电子邮件：{xfding，hjin}@hust.edu.c

文章正文

摘要—图是表示复杂结构数据的流行模型，图的相似性搜索已成为一个基本的研究问题。已经提出了许多技术来支持基于图编辑距离的相似性搜索。但是，它们都具有某些缺点：计算复杂度高，数据库大小的可伸缩性差或无法充分利用索引。为了解决这些问题，在本文中，我们提出了SEGOS，一种用于图相似搜索的索引和查询处理框架。首先，基于图的子单元分解，离线构造有效的二级索引。然后，提出了一种基于索引的搜索策略。从TA和CA方法改编的两种算法被无缝集成到所提出的增强图搜索策略中。更具体地说，所提出的框架易于流水线支持连续图修剪。在两个真实数据集上进行了广泛的实验，以评估我们方法的有效性和可扩展性

文章总结

1.解决问题

几年来图相似度问题为一种热门问题，科学家们提出通过计算图对之间的编辑距离来衡量俩个图之间的相似度。图编辑距离的计算分成俩类，一类是计算计算的图之间的编辑距离，大都通过A* 算法的映射思路，缺点是映射空间大，不能在多项式时间内解决（NP-Hard问题），同时A*算法也只能在不多余12个顶点的图内应用，计算复杂度是指数级的复杂度；还有一种方法是通过近似计算图的编辑距离的方法，通常采用“上界和下界”近似估计的方法。在使用上界和下界进行估计的方法中，利用给定的相似度阈值，如果俩个图之间的上界和下界的值不满足阈值的要求，那么可以过滤掉这些图。上界和下界值的计算，一般和俩个图之间的公共子结构有关（比如公共的星结构、公共的n-gram、公共的k-AT）等。如果要计算俩个图的公共子结构的个数，必须一一列举出俩个图中的子结构，然后一一比对数据库中所有图的子结构的个数，挨个遍历每个图。这无疑增大了算法的运行效率。因此，本文为了避免逐个遍历数据库中每个图，提出了“SEGOS(SEarching similar Graphs based on Sub-units”的方法。