跨度中心性的高效近似算法
摘要：给定图$ \mathcal{G} $，边$ e $的生成中心性（SC）衡量了$ \mathcal{G} $连接的重要性。实际上，SC在计算生物学、电网和组合优化中已经广泛应用。然而，在大图上计算所有边（AESC）的SC非常具有挑战性。现有技术无法处理这样的图，因为它们要么需要昂贵的矩阵运算，要么需要对大量的长随机游走进行采样。为了解决这些问题，本文提出了TGT和其增强版本TGT+，这两种算法用于AESC计算，提供了严格的理论近似保证。TGT通过进行确定性图遍历并精心设计截断长度来弥补先前解决方案的不足之处。TGT+在TGT的基础上进一步提高了实证效率和渐近性能，同时保持结果质量，基于TGT与随机游走和几种额外的启发式优化的结合。我们使用各种真实数据集对TGT+与最新竞争对手进行了实验评估。实验结果证明，TGT+在不降低准确性的情况下，往往比现有技术提速一个数量级以上。
作者：Shiqi Zhang, Renchi Yang, Jing Tang, Xiaokui Xiao, Bo Tang
论文ID：2305.16086
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-05-31