Effective and Efficient Community Search over Large Heterogeneous Information Networks（2）

3.1 basic （k，p）core算法。
在这个部分我们提出了两个查询算法，基础算法和改进算法。
3.1.1基础算法
基础算法为了搭建一个同构图Gp，然后返回包含q的k-core。特别的有三个步骤：1.先收集包含所有目标类型点的集合；2.对于每一个属于s集合的点，如果他们可以通过p方式连接则添加一条边；3.找到包含p的k-core。但是，这个算法对于大型的hin且较长的matepath来说是非常耗时的，因为在步骤2中，path的长度可能会很长，耗时长达, O(n^l)，n是p路径上的点种类中最大数量的点，l是p路径的长度。为了优化步骤2，我们提出了批量查询策略。替代列举所有的路径，我们分解p变成一系列边，然后批量查找匹配的点对于每条边。我们称改进的算法为hombcore，算法。简单的 bfs。
3.1.2改进算法
hombcore算法的限制是不得不构建一个全是目标类型点的同构图。但是，这个是非常耗时且没必要的，因为在步骤1中并不是所有的点都与q连接，并且在步骤2中是对图中所有的点就行枚举。为了解决这些问题，我们提出标签的策略，命名为带标签的批量查询bsl和带标签的深度搜索dsl。
带标签的批量查询bsl。bsl是为了有效的查找所有与q连接的点。bsl是基于hombcore。算法2（1-11）是bsl详细展示。特别的，我们首先查找q的邻居集合使用批量查询。在这个过程中，无论我们什么时候找到u，v满足p路径上边的时候，如果没有标签i则贴身i，否则跳过。注意最初边没有标签。下一次迭代中，继续查找与y集合中相连的边。这个过程一直运行直到所有的边都有标签。明显的，每一条边都可以获取通过不断地标签。因此，查找一个与q连接的集合s的时间接近线性。
带标签的深度搜索dsl。回想一下定义，Bk只需要其中每个点至少有k个邻居。同时，在现存的cs研究中，k通常不会太大。受这个观察启发，我们提出动态的维护到每个点都有k个邻居。特别的，我们首先发现每个都有k个邻居的点，然后迭代的移除不满足k的点。因为移除点v，同时也会移除每个v邻居的一个邻居，所有我们需要逐渐的提供每个v的邻居新的邻居。为了找到这些增加的邻居，我们提出了dsl策略。
特别的，使用dfs找到一个p路径之后，我们检查每一个p上的点，如果他每个邻居都访问了，那么标记vis。当我们查询剩余的点这些已标记的点将不会考虑。这个确保每条边都会被访问恒定的次数。时间复杂度。。。
基于bsl和dsl，我们提出了改进算法fastbcore。算法过程：首先，我们使用bsl来查找都与q连接的集合S。然后，对于每条点查找k条路径并且把没有k’条路径的点放入队列Q。然后，迭代的移除一个点从Q，检查v的每一个邻居u，把u-v的路径移除，尝试在s中找到一个点与u有路径，如果存在则添加为u的邻居，否则把u放入队列Q。循环结束后，s中每个点都满足条件。
注意，因为对于每个节点我们只找了k个邻居，我们不能最大的集合。这没看懂。。。
3.2无边重复k-core算法
记得Bk不能从推断出的同构图中计算出。那么问题产生了：我们是否可以获得Ek从同构图中呢？为了获得同构图，
一个简单的方法是通过hombcore获得。显然，这个方法并没有考虑无重复边路径因此会产生不正确的Ek。
另一个方法是建立一个同构图通过贪心。特别的，首先找到p的一条路径（u-v）在异构图G中，然后从G里面移除p路径上所有的边，然后在u，v之间添加一条边。重复这三部直到P中没有路径。但是这个方法同样不能奏效。Ψ[v]代表从v开始的最大无边路径集合。有两个原因：首先Ψ[v并不一定是唯一的。其次，点之间的关系可能是不对称的，因为对于一条路径，他可能出现在Ψ[v]但是Ψ[u]却没有。
因此，Ek并不能从推断出的同构图中计算出。
接着，我们提出了计算β(v, S),的算法，β(v, S)指的是点v的边度数关于在s集合中与q的关联点。基于这些算法，我们提出两个有效的查询算法，第一个是一个点一个点处理，第二个是批量处理点。
3.2.1计算β（v,S)算法
（多部图）可以将图划分成几个集合，集合内的点无连接，而两个集合之间有边相连。
我们首先介绍一个算法叫exact，基于最大流算法。特别的，首先我们建立l+1部图，然后通过这个图获得流量网络。在多部图中，第i个集合包含所有在p路径上的第i个点，同时从这个集合中连出的边是p路径的第i条边与第i+1部图连接的。为了建立流量网络，首先我们获得所有s中的路径。其次我们建立多部图。然后，把v当作源点并且创造一个汇点s，然后连接每一个l+1部图的点到s。最后，我们为每一条边赋值为1.我们用ebuilder定义流量图。
定理2说明了β（v,S）等于F的最大流量。一个例子。。。。
由定理2，我们可以使用现存任何最大流算法去计算β（v,S)。有两个著名的算法，命名为ford-fulkerson算法和orlin算法，前者很经典，后者是最近的方法。。。。在我们的案例中，因为β（v，S）是s值的最大值，。。。因此ford算法比orlin算法更快在我们的流量图中，所以我们使用ford。ford方法计算最大流通过寻找增广路。
exact主要限制是高计算消耗，特别是当β（v,S)很大。为了提高效率，我们提出了更合适的算法，定义为贪心，因为这个算法是以贪心和增广的方式。特别的，有一个点v，首先使用dfs寻找路径p，这个路径由v开始以属于s的点v’结尾，然后从G中移除路径p和点v’。重复直到找不到从v开始的路径p。引理3说明了贪心理论上保证返回的无重复边路径至少是β（v,S)/l。
因为在发现一条路径后所有的边都要移除，贪心的时间耗费呈线性。。。。因此贪心比exact快。ford算法通过增广路计算最大流。在我们的流量图中，通过s连接每一条路径p，我们可以得到源点到汇点的增广路。因此，为了计算β，首先我们用贪心的到一个路径的集合，然后，标记他们作为增广路，最后使exact
寻找剩余的增广路。注意增广路不一定要与p特定得到路径一致。。。。。
3.2.2基于延迟peel算法
受k-core算法剥离范式的启发，我们提出算法来计算Ek通过迭代的移除β值小于k的点。在移除一个点v，我们需要减少β（u，S），因为u是v的一个邻居。但是，减少β（u，S）是有意义的，因为这个值可能是不变的。举个例子。。。为了解决这个问题，很天真的方法是重新计算β（u，S）通过exact。但是，这个方法是非常耗时的因为邻居很多并且运行exact很昂贵。为了解决这个问题，我们提出了延迟peel方法来延迟运行exact尽可能的晚，取决于关键观察在移除v后，β（u，S）最多减一。
特别的，起始对于s中每一个点v，我们使用贪心计算大概的β（v,S)。然后我们维护一个队列，其中是在s中β值少于k的点。无论何时，我们弹出一个点v，我们计算其精确的β值通过exact方法。然后，如果其β值少于k，我们移除v并且对于每个连接的β值减一，如果更新后的β（u，S）小于k，我们把u添加到队列中。换句话说，我们先不更新βus，但是维护βus的边界，直到其β值低于k的时候重新计算其β。
基于上述的讨论，我们对于一个算法叫lazyecore，算法3.首先，由定理1，因为ek包含于bk，先计算bk。其次，初始化一个队列Q和一个数列b来存储βvs。然后，用贪心计算每一个s中点的β值并且把β值少于k的值收集起来。在循环中，一个点一个点收集。特别的，首先，弹出一个点v，如果βvs<k/l，v可以直接移除，另外，引用了exact。如果v能够删除，更新s，每个v的邻居的β值减一，如果其β值低于k则添加u去队列。最后返回ek。

另外学习了最小堆，推荐蒋岩炎老师。