大规模图的$k$-双模拟计算：比较和效率分析
摘要：关于具有结构特征的图形的摘要对于减小图形的大小以及使索引、查询和可视化等任务变得可行非常重要。我们的通用并行 BRS 算法可以高效地对大型图形进行摘要，与定义在图形的顶点 V 上的自定义等价关系 $sim$ 相关。此外，$sim$ 的定义可以链接 $k \geq 1$ 次，因此定义的等价关系成为 $k$-bisimulation。我们通过在与 BRS 相同的软件栈中实现的两个文献中找到的算法（Kaushik 等人的顺序算法和 Sch"atzle 等人的并行算法）对具有 $k=1,\ldots,10$ 的 $k$-bisimulation 的 BRS 算法的运行时间和内存性能进行评估。我们使用了包含1亿到20亿条边的五个真实世界和合成图形数据集。我们的结果显示，通用的 BRS 算法在所有数据集上对所有 $k \geq 5$ 和部分情况下更小的 $k$ 的情况下都优于相应的原生等价关系算法。两个 bisimulation 算法的 BRS 实现运行速度几乎相同。因此，BRS 算法是对顺序 Kaushik 等人 bisimulation 算法的有效并行化。
作者：Jannik Rau and David Richerby and Ansgar Scherp
论文ID：2204.05821
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-05-16