On Finding Socially Tenuous Groups for Online Social Networks - 2017

概述

比起以往关于社区搜索寻找稠密子图不同，本文聚焦在寻找带有N个节点的稀疏子图。

1）问题定义：给定一个图，从社区中找到至少有N个节点的，互不相连的，拥有最小的$\frac{{\Delta }_k(F)}{|F|}$的子图。其中|F|是子图包含节点数量，${\Delta }_k(F)$代表F中k-triangle数量。

k-triangle指的是一个三节点x,y,z，在图中俩俩的最短距离均小于等与k，称之为一个k-triangle。

2）衡量指标：$\frac{{\Delta }_k(F)}{|F|}$

3）算法：TERA,TERA-ADV

算法介绍

由于网上看到有篇比较完整的全文翻译，就不再过段介绍。涉及到的证明也都不赘述。简单介绍一下算法TERA的执行部分。

以论文中的例子解释。（其实论文也讲得比较清楚）

由于需要计算节点v的权重w(v)，这里的权重其实就是这个节点的K-triangle的数量。可以通过构建k-hop图G${}_k$来计算。

这里k是2，所构造的G${}_k$包含的意思是，如果两点之间的最短距离小于等于k，两点之间就会有边。
要看包含了某个节点的k-triangle数量，那就根据G${}_k$的节点边数可以计算出来。设边数为L，则k-triangle数量，即w(v)=C${}_L^2$。

所以根据算法，去除权值最高的节点V${}_5$,得到Figure3中的图$(b)$，再去除V${}_2$后，得到图$(c)$，去除V${}_4$后得到图$(d)$，此时符合节点之间没有连接的约束，H${}_4$作为一个候选结果。此时|H${}_4$|为3，退出while循环。

$\frac{{\Delta }_{k=2}(H_4)}{|H_4|}$=0

这就是该算法的一个简单描述。

对于算法的步骤3，似乎有点问题。如果存在两个节点的权重相同，但是一个节点有更多的边，则删除这个节点，效果会更好。但是从算法中，没有看出这样的区别对待。