【论文笔记】Query Preserving Graph Compression

Introduction
实际上，图模式匹配需要二次时间（通过模拟[12]）或立方时间（通过有界模拟[9]）来确定在数据图中是否存在图模式的匹配。更糟的是，当匹配定义为子图同构时，它是NP-hard。即使对于确定是否存在连接图G=（V，E）中一对节点的路径的可达性查询，通过DFS/BFS搜索也需要O（| V |+| E |）时间。虽然可以使用索引来加速评估，但索引会产生额外的成本，

虽然我们不能改变图查询的复杂度函数，但我们减少了它们的参数，即数据图的大小。
与以前的无损压缩（例如，[3，5，11]）相比，查询保持压缩是相对于用户选择的查询类Q，即，它生成的小图只保留与Q中的查询相关的信息，而不是保存整个原始图，从而获得更好的压缩比。此外，任何可用于求Q的算法都可以直接用于查询压缩后的Gr图，而不需要对Gr进行解压。

Example 1:

图G是多客户端推荐网络的一部分。每个节点表示一个客户（C）、一个图书服务器代理（BSA）、一个音乐商店代理（MSA）或一个协助客户找到BSA和MSA的促进者代理（FA）。每条边表示一个建议。

观察到BSA1和BSA2属于相同类型的节点（BSA），并且都向MSA和FA提出建议。由于它们“模拟”了推荐网络G中彼此的行为，因此在评价Qp时，它们可以被认为是等价的。类似地，i，j∈[3，k]的节点对（FA1，FA2），（C1，C2）和任意对（Ci，Cj）也可以被认为是等价的
这表明我们构建了一个压缩图Gr，如图所示。图Gr由X∈{MSA，BSA，FA，FA’，C，C’}的超节点组成，每个节点表示一类等价节点。观察到（1）Gr比G有更少的节点和边，（2）Qp可以直接在Gr上求值；它的结果Sr={（X，Xr）}可以通过简单地用Xr表示的节点集替换Xr而转换为原始结果S；以及（3）Gr的计算比G中更有效，因为除其他外，它只需要检查在Gr中的Cr和Cr′来识别查询节点C的匹配项。

Contributions
（1）我们提出了查询大型真实图的查询保持压缩。与以往的图压缩策略不同，它只保留用户感兴趣的特定Q类查询所需的信息，从而达到更好的压缩比。它不是另一种计算图查询的算法，而是可以直接应用于计算压缩图中的查询结果，而不需要解压。针对实际中常用的两类查询，即可达性查询和通过（有界）模拟的图模式查询。
（2）在可达性等价关系的基础上，我们给出了一个压缩函数R，在给定图G的情况下，计算出O（| V |）时间内的一个小图Gr=R（G），其中| V |和| E |分别是G中的节点数和边数。我们证明了Gr可达性保持：对于任何可达性查询Q，在固定时间内可以找到另一个可达性查询Q′，使得Q（G）=Q′（Gr）。
（3）对于用（有界）模拟定义的图模式查询，我们用一个互模拟等价关系定义了图模式保持压缩（第4节）。我们证明了图G可以压缩成更小的Gr中 O（| E | log|V|）时间。我们还证明了压缩保持了模式查询：对于任何图模式Q，G匹配Q当且仅当Gr匹配同一Q，并且G中Q的匹配可以在Gr中计算。
（4）现实生活中的图形不断变化[16]。这突出了研究增量查询保留压缩的必要性。

这使我们能够计算压缩Gr，并根据G的变化对其进行增量维护。
我们针对可达性查询和图模式查询研究这个问题（第5节）。（a） 我们对该问题进行了复杂度分析，根据受影响区域（AFF）特征的输入（∆G）和输出（∆Gr）变化的大小。我们证明了问题对于两类查询都是无界的，即其代价不是| AFF |的函数。（b） 然而，我们开发了增量维护算法：（i）对于可达性保持压缩，我们证明了压缩图可以在O（| AFF | | Gr |）时间内保持；以及（ii）对于图模式查询，我们在O（| AFF | 2+| Gr |）时间增量压缩图。在这两种情况下，算法都独立于原始图G，并且在不解压缩Gr的情况下传播变化
（5）证了我们的（增量）压缩技术的有效性和效率。我们发现，对于可达性和模式查询，保留查询的压缩将实际图形的大小平均减少95%和57%，而对于社交网络，则分别减少98%和59%。这使得查询评估时间分别减少了94%和70%。此外，当变化达到20%时，我们的可达性查询增量压缩算法的性能优于批处理算法。

Related work.
1.General graph compression
我们的工作与这些不同之处在于：（a）我们的压缩技术只依赖于与特定查询类相关的内在图信息；（b）我们的压缩图可以直接查询而不需要解压缩；相比之下，即使是回答简单的查询，以前的工作需要从紧凑结构[5]中恢复原始图，如[2]所观察到的；（c）我们提供了有效的增量维护算法。查询友好压缩。更接近我们工作的是为特定查询类开发的压缩方法
2.Query-friendly compression
3.Graph indexing
4.Incremental bisimulation

2.Graph, Queries and Graph Compression
Reachability queries 可达性查询
图G上的可达性查询，用QR（v，w）表示，是一个布尔查询，询问节点v是否可以到达G中的节点w。
Graph patterns 图模式匹配

直观地，（u，v）∈S，如果（1）G中的节点v满足Qp中fv（u）指定的搜索条件，（2）Qp中的每条边（u，u′）映射到一条非空路径ρ=（v，……，v′），使得（u′，v′）也在匹配S中，而且，如果fe（u，u′）=k，len（ρ）由k有界。如果fe（u，u′）=*，len（ρ）不有界。观察u的子u′通过S映射到v的后代v′。例如，示例1中给出的关系S是图2中模式P的图G中的匹配。

2.2 Query Preserving Graph Compression

R压缩函数 F查询重写函数 P后处理函数
（1）对于任何查询Q∈Q，可以通过计算（较小的）G的压缩图Gr中的Q′来计算Q（G）到Q 在 G的答案；（2）压缩是通用的：原始图的任何数据结构和索引技术都可以直接应用到Gr中（如文献[6]的2-hop技术，见第6节）；（3） 后处理函数只通过访问查询答案Q′（Gr）和R的节点映射逆的索引来在原始G中找到答案；（4）与一般无损压缩方案（如[10]）相比，我们不需要从Gr恢复原始图G，而且，压缩图Gr不一定是G的子图。

例如，在实施例1中描述了图模式查询的查询保持压缩，其中压缩函数R基于图互模拟将节点分组为超节点；查询重写函数F是身份映射：对于任何模式查询Q，F（Q）=Q；后处理函数P简单地将每个超节点替换为它所表示的一组等价节点。

对于可达性查询，R在O（| V | | E |）时间内将图G平均减少95%；查询重写函数F在O（1）时间。此外，如图3（b）所示，完全不需要后处理P。

对于模式查询，R在O（| E | log | V |）时间内将G的大小平均减少57%；F是身份映射，P是查询答案大小的线性时间，这是任何评估算法所必需的成本（见图3（c））。更好的是，对于布尔模式查询，不再需要P。
对于每个图G，它的压缩Gr=R（G）对于Q中的所有查询计算一次，并根据G的更新进行增量维护（第5节）。

3.Reachability Preserving Compression
Reachability equivalence relations
存在一个保持可达性的压缩<R，F>，其中R在二次时间，F在恒定时间，而不需要后处理P。
可达性等价关系。我们首先将图G=（V，E，L）上的可达关系定义为二元关系Re⊆V×V，使每个（u，v）∈Re，对于任意节点x∈V，（1）当x能达到v时x能达到u，（2）当V能达到x时u能达到x。
直观地，（u，v）∈Re当且只有当它们有相同的祖先集合和相同的后代集合。

对于任何图G，（1）存在唯一的最大可达关系Re在G上，（2）Re是一个等价关系，即它是自反的、对称的和可传递的。

G的可达等价关系是G的最大可达关系，用Re（G）或简单的Re表示。我们用[v]Re表示包含节点v的等价类。

考虑图2中给出的图G。可以证明（BSA1，BSA2）∈Re（G）。实际上，bsa1和bsa2拥有相同的祖先和后代。同理，（MSA1，MSA2）∈Re（G）。相反，（FA3，FA4）/∈Re（G），因为FA3可以到达C3，而FA4不能

Reachability preserving compression
基于可达性等价关系，我们定义<R，F>如下。

Correctness
我们可以很容易地证明<R，F>是一个保持可达性的压缩。实际上，| Gr |≤| G |因为| Vr |≤| V |和| Er |≤| E |。此外，对于G上的任何可达性查询QR（v，w），可以矛盾地证明G中存在从v到w的路径当且仅当R（v）可以到达Gr中的R（w），因此，给定G上的QR（v，w），可以通过在较小的G的压缩图Gr中计算QR（R（v），R（w））来找到G中的答案

Example 3
使用上面给出的可及性保持压缩<R，F>可以得到图4中所示的Gr=R（G），其中，例如R（C1）=R（C2）=R（FA2）=CFAr。给定G上的可达性查询QR（BSA1，C2），F（QR）=较小Gr上的QR（MBr，CFAr）。作为另一个示例，图4中的gr1和gr2分别是R为图4的G1和G2生成的压缩图。

3.2 Compression Method for Reachability Queries

第一步：通过BFS计算每个点的父节点和子节点，
第二步：对含有相同的父节点和子节点关系Re的点进行划分成分区Par
第三步：对每个Par的等价类S创建一个vs节点，同时赋予固定标签o，将节点vs加入到Vr集合。
第四步：对每个Vr集合中的节点对(vs,vs’)，如果存在uεS,vεS’,且在Er中不存在(vs,vs’)，则将(vs,vs’)加入Er中

Optimizations
没有直接压缩G，而是首先计算其SCC(强连接元件)图Gscc，它将每个强连接的组件压缩为一个节点，而不丢失可达性信息。然后我们将压缩机应用于Gscc，它通常比| G |小得多

5.Incremental Graph Compression
为了应对社交网络和Web图形的动态特性，必须开发增量技术来维护压缩图形。给定一个查询类Q、图G、压缩图Gr=R（G）的查询保持压缩<R，F，P>，并批量更新∆G（边缘删除和插入列表）到G，增量查询保持压缩问题是计算变化∆Gr到Gr，使Gr⊕∆Gr=R（G⊕∆G），即。，更新后的压缩图Gr⊕∆Gr是更新图G⊕∆G的压缩图。
众所周知，虽然现实生活中的图形不断更新，但变化通常很小。如前所述，当∆G较小时，∆Gr通常也较小。因此，通过最小化不必要的重新计算，计算∆Gr通常比从零开始压缩G⊕∆G更有效。

5.1 Incremental Maintenance for Reachability
我们首先研究了可达性查询的增量图压缩问题，称为增量可达性压缩，称为RCM。人们可能需要开发一个有界算法来进行增量可达性压缩。
Theorem 6:RCM是无界的，即使是单元更新，也就是单边插入或删除。
我们通过从单源可达性问题（SSR）中进行简化来验证这一点。给定一个图Gs，一个固定的源节点s并更新值∆Gs，SSR是为了决定是否对所有u∈Gs，s达到Gs⊕∆Gs中的u。众所周知，SSR是无界的。
Incremental algorithm.
尽管结果是无界的，我们给出了一个在O（| AFF | | Gr |）时间内的增量算法，即只依赖于| AFF | |和| Gr |，而不是| G |，并且在不解压缩Gr的情况下求解RCM。

为了呈现算法，我们需要以下符号。（1） 一个强连接组件（SCC）图Gscc=（Vscc，Escc）将每个强连接组件合并到一个没有自循环的节点中。我们使用vscc来表示包含v的SCC节点，以及Escc表示SCC节点之间的边。（2） G中节点s的拓扑秩r（s）定义如下：（a）r（s）=0，如果s在G中没有子节点，即sscc在Gscc中没有子节点，（b）如果s和s′在同一个SCC中，r（s）=r（s′），（c）当s′位于s的子节点上时，r（s）=max（r（s′））+1。我们还为边更新e=（s，v）定义了r（e）=r（s）。我们可以验证下面的引理，它揭示了图的拓扑秩与可达等价关系之间的联系。

Lemma 7：在任何图G中，r（u）=r（v）如果（u，v）∈Re。
利用引理7，我们提出了算法，表示为incRCM，如图8所示。它有三个步骤。

1） 预处理。算法首先预处理更新∆G和压缩图Gr（第1-2行）。（a） 它首先删除∆G中对可达性没有影响的冗余更新（第1行）。（b） 然后识别一组r（u）在Gr中变化的节点u，对于每次更新（u，u′）∈∆G，它相应地更新Gr中u的秩。

2） 更新。然后算法基于Gr更新r（第3行）。它首先对存在不同等级节点[u]Re在Gr中的节点进行拆分。根据引理7，这些节点不在同一等价类中，因此[u]Re必须被拆分。然后在G中找到所有新形成的scc，并在Gr中为每个scc引入一个新节点，这两个步骤确定了一个受更新∆G影响的初始区域。

3）传播。该算法通过传播步骤（2）中确定的初始影响区域的变化来定位∆Gr。它处理递增拓扑秩（第4行）中的更新e=（u，u′）。首先求出当前压缩图Gr中u和u′的等价类[u]Re和[u′]Re，然后调用incRCM+（resp。incRCM−）在插入e时更新Gr（删除）（第5-8行）。更新Gr可能会使∆G中的某些更新冗余，这些更新从∆G中删除（第9行）。处理完∆G中的所有更新后，将返回更新后的压缩图形Gr（第10行）。

由于（u，u′）不是冗余的，u不能到达G中的u′，但是在插入e之后，u′成为u的子节点，而且[u]Re{u}中没有节点可以到达u’，因此，在插入e之后，u和[u]Re{u}中的节点不再处于同一等价类中。因此incRCM+将[u]rein拆分为两个分别代表{u}和[u]Re{u}的节点；类似地，[u′]Re（第1行）。这是通过调用过程Split（省略）来完成的。

Complexity
对于复杂度，可以看出算法的前两步（第1-3行）在O（| AFF | Gr|）时间内。实际上，（1）通过测试Gr中访问R但不搜索G的节点的可达性来识别冗余更新需要O（| AFF | Gr|）时间，并根据图进行更新。程序incRCM+和incRCM−处于O（| AFF | Gr |）时间。因此，incRCM处于O（| AFF | Gr|）时间。正如我们的实验研究所证实的，在实践中，| Gr |和| AFF |通常较小。

5.Experimental Evaluation
接下来我们将介绍一个使用真实生活和合成数据的实验研究。对于可达性和图模式查询，我们进行了四组实验来评估：（1）所提出的查询保留压缩的有效性，用压缩比，即压缩图大小与原始图大小的比率来衡量，（2）查询评估时间超过原始图和压缩图，（3）效率增量压缩算法，以及（4）增量压缩的有效性。
Exp-1: Effectiveness: Compression ratio.
我们首先使用现实生活中的数据来评估我们的方法的压缩比。我们定义了压缩机的压缩比
RCr=| Gr |/| G |，其中G是原始图，Gr是通过compress压缩的图。同样，我们定义了compressB的PCr，AHO的Rraho 其中Gr表示传递约化图。我们还考虑了SCC图Gscc（第3节），并定义了RCscc 为| Gr |/| Gscc |来评估压缩机SCC图的有效性