Effective and Efficient Community Search over Large Heterogeneous Information Networks 翻译

摘要
最近，cs获得了极大的关注。给出一个顶点，cs要查找一个稠密的包含他的子图。现有的研究主要集中于同构图，但是并不能直接应用于异构图。在这篇文章里面，我将研究cs问题在大型异构图中，就是给出一个节点q，找到一个包含q的社区，这个社区里面的点都与q是同类型的并且具有亲密关系。
为了建立两个同种类型之间的关系，我们引进了一个知名的概念mate-path，就是不同节点的一组关系序列。然后，我们测量社区的稠密的通过拓展最小度数矩阵借用mate-path。我们还提供了高效的查询算法去查找社区运用这些稠密矩阵。我们在几个大的异构图上做了测试，结果显示所提出的方法对社区查询是有效的。此外，更快。
1.介绍
异构图具有不同的点和不同的关系。这些异构图是常见的在不同的邻域。
在这篇文章中，我们研究了在异构图中的cs。据我们所知，这是第一次有人研究。有一个异构图g，一个要查询的点q属于g，我们的目标是找到一个社区或一些顶点和q是同类型并且关系亲近。特别的，这个社区满足基于mate-path的稠密关系。mate-path这个概念已经被研究过了，就是关于两个两个顶点之间的关系序列。
先前的工作。现有研究关于社区检索可以大体分类为社区发现和社区查询。总的来说，社区发现为了发现在一个图中的所有社区。这些研究并不是研究为基础的，他们并不适合查询需求。此外，对于大型图来说，他们常常花费很长的时间去发现所有的社区，所有他们并不适合线上查询。为了解决这个问题，基于查询的cs方法最近在研究。但是，先前的cs方法主要集中在同构图，但是在异构图中，用这种方法并不合适。
csh问题。在这篇文章，我们关注于异构图的查询。概念上，一个社区就是许多紧密的点的集合。为了公式化表达这个csh问题，我们面临两个问题（1）怎么连接两个同种类的点？（2）怎么测量一个社区的紧密度？
对于第一个问题，这并不是容易回答的，因为相同种类的点也许并不会直接连接。为了链接这些点，我们引入了mate-path的概念，或者有一系列关系构成的序列。
对于第二个问题，现存的cs方法经常引入著名的矩阵，例如最小度，k-truss，k-core，来计算社区的紧密度。最小度矩阵是最常用的，它可以保证每个点都与社区有链接，也就是与他至少k个节点。在这篇文章中，我们拓展矩阵在异构图中，也就是，对于c社区中的每一个节点v，至少有k个其他节点通过matepath p的方式连接。为了解决查询，一个简单的方法是去构造一个同构图通过p的连接方式，然后用现有的参赛方法运行。
尽管这个矩阵上述很直接，但是可能导致一些点可能与社区连接并不紧密。举了一个例子。弱连接问题并不容易解决。此外，把异构图转换成同构图没有什么太大的意义，因为可能引起高度数和高聚类系数。
回想一下现有的cs研究需要每个节点至少有k个邻居，这代表着紧密联系即使我们去除一条边。受这个启发，我们提出用不同的mate-path去构建紧密度。特别的，我们引入两个新的矩阵通过无边重复和无点重复路径，使每个点v都与至少k个点相连。举了个例子。
没看懂。。
主要特征。csh查询具有许多很好的特点：（1）可以查询到不同种类的社区（2）查询可以更具自己的需求。（3）查询可以用网上的方式评价。
应用。这有几种csh查询的应用。(1)事件的策划，我们可以用特定的matepath查到特定的社区，然后可以组织特定的会议。（2）市场营销（3）推荐（4）生物数据分析。
挑战和贡献。最小度数矩阵还是由k-core定义的，就是最大的同构图，每个点度数至少为k。受这个模型的启发，我们提出三个核心模型，命名为经典，无边重复，无点重复，通过加入mate-path加入k-core模型。计算这些模型很困难。
对于经典模型，社区可以由推导出的同构图计算出。但是这个同构图比传统的更稠密。因此，这就使计算经典模型更困难，特别是当p长的时候。为了减缓这个问题，我们提出了一个算法，并不需要列举所有的路径。
对于无边重复和无点重复模型，首先就是并不能计算出来，因为并不能判断点或边是否重复，因此，我们不得不从异构图中计算，比计算经典模型更困难。其次，怎么计算最大的点数量由不同的边和点。计算这个的算法基于最大流，但是很耗时间。为了缓解这个问题，我们提出了接近线性的算法。还提出了加速方法。
另外，即使线上算法很快，但是频繁使用可能很低效。我们提出索引来提速。
做了几个实验，效果很好。
2.问题定义
2.1初步定义
hin定义，hin框架定义；种类的映射函数。
hin框架描述了所有的边种类。逆向同样存在。
matepath的详细定义以及一些性质。
p-neighbor是两个点以matepath连接，p-connected是在matepath上的两点。
2.2问题定义
我们目的是找到一个社区从hin中，包含所有与点p同种类的点。社区中的点应该连接紧密。为了连接目标点，我们引入语义matepath，开始和结束都是目标点类型。为了特征化紧密度，我们扩大k-core通过合并matepath。
α(v, S), 是与v连接在s中个个数，s是与v同类型点的一个集合。
定义basic（k-p）core给定一个异构图G和一个正整数k，是一个最大集合用p连接的，其中任意一个点的α（v,s）大于等于k。
前面提到的，这个basic core包含弱连接的点，因为可能分享公共边。为了，解决这个问题，我们提出了新的模型基于无重复路径。定义Ψ[v]是以v开始的p方式的路径函数集合，其中p1，p2上如果有一条边已经下一个点不同则是不同的，所有我们认为Ψ[v] 是不同的路径。 如果在p的不同位置出现是一样的边点，也是认为是不同的。
β（v,s），是最多集合s与v连接无边重复的数量。
e-d（k-p）core给定一个异构图G和一个正整数k，是一个最大集合用p连接，无边重复，其中任意一个点的β（v,s）大于等于k。
举个例子需要更多的例子，情况看看。
csh问题。
问题一：给出一个cshG，一个待查询的点q，一个语义的matepathp，一个正整数k，一个特定的模型k-core，返回相应模型包含q。
这个模型具有特定的性质。
2.3模型的性质没看。
3.在线查询算法
在这个部分，我们提出了有效的算法对csh问题。特别的，我们为每一个模型提出了基础算法和改进算法。基础算法很直接，但是并不高效。
总的算法的介绍。。。
3.1 basic （k，p）core算法。