[论文解读] Efficient Algorithms to Mine Maximal Span-Trusses From Temporal Graphs

Quintino Francesco Lotito, Alberto Montresor|arXiv (Cornell University)|Sep 3, 2020

Data Mining Algorithms and Applications参考文献 19被引用 5

一句话总结

本文提出了 $(k,\Delta)$-truss（跨度-truss），即 $k$-truss 的时间扩展，同时捕捉子图密度（$k$）和时间跨度（$\Delta$）。提出了一套高效的算法——流式处理与启发式优化，用于挖掘最大跨度-truss，在真实数据集（如 wikitalk）上相比基线方法实现了高达 10 倍的加速。

ABSTRACT

Over the last decade, there has been an increasing interest in temporal graphs, pushed by a growing availability of temporally-annotated network data coming from social, biological and financial networks. Despite the importance of analyzing complex temporal networks, there is a huge gap between the set of definitions, algorithms and tools available to study large static graphs and the ones available for temporal graphs. An important task in temporal graph analysis is mining dense structures, i.e., identifying high-density subgraphs together with the span in which this high density is observed. In this paper, we introduce the concept of $(k, Δ)$-truss (span-truss) in temporal graphs, a temporal generalization of the $k$-truss, in which $k$ captures the information about the density and $Δ$ captures the time span in which this density holds. We then propose novel and efficient algorithms to identify maximal span-trusses, namely the ones not dominated by any other span-truss neither in the order $k$ nor in the interval $Δ$, and evaluate them on a number of public available datasets.

研究动机与目标

• 解决在社交、生物和金融网络数据日益丰富的背景下，时间图中高效挖掘密集子图工具的缺乏问题。
• 定义一种新的时间密集子图结构——$(k,\Delta)$-truss，结合密度（$k$）与时间跨度（$\Delta$），以捕捉随时间演化的紧密社区。
• 开发高效算法以发现最大跨度-truss（即在 $k$ 或 $\Delta$ 上不被任何其他跨度-truss 所支配的子图），实现对动态网络的可扩展分析。
• 通过流式处理边支持计算与启发式方法避免冗余的 truss 分解，提升大规模时间图中的性能。

提出的方法

• 将 $(k,\Delta)$-truss 定义为 $k$-truss 的时间扩展，其中每条边必须在时间窗口 $\Delta$ 内参与至少 $k$ 个三角形。
• 设计基线算法，通过枚举所有可能的 $k$ 与 $\Delta$ 组合并验证 truss 条件，计算所有跨度-truss。
• 实现流式算法，按时间顺序增量计算边支持，减少冗余重新计算，提升效率。
• 引入启发式方法，通过 $k$-truss 性质的边界信息跳过不必要的 truss 分解，降低特定数据集中的计算开销。
• 采用两阶段方法：首先通过高效的边支持跟踪识别候选跨度-truss；其次通过检查 $k$ 与 $\Delta$ 上的支配关系验证其最大性。
• 通过利用时间顺序与在不满足 truss 条件时提前终止，优化算法，尤其在稀疏或低密度区域表现更优。

实验结果

研究问题

• RQ1 如何将 $k$-truss 概念推广，以在动态网络中同时捕捉密度与时间跨度？
• RQ2 哪些高效的算法技术可用于挖掘所有最大跨度-truss，且避免冗余计算？
• RQ3 流式边支持计算在大规模时间图中如何提升性能？
• RQ4 在何种场景下，基于启发式的剪枝策略能显著减少运行时间而不损失正确性？
• RQ5 所提出的算法在不同真实世界时间数据集上的运行时间与 truss 发现效率如何扩展？

主要发现

• 与基线相比，所提出的流式算法在 wikitalk 数据集上将执行时间减少了高达 10 倍，显著提升了性能。
• 与高效的流式算法相比，基于启发式的优化在 wikitalk 数据集上进一步将运行时间减半，表明在高密度区域具有显著加速效果。
• 平均而言，流式方法在所有数据集上持续优于基线，执行时间保持稳定降低。
• 在某些数据集中，启发式方法引入的开销极小，但在其他数据集中则实现了显著的加速，证明其具有广泛适用性的合理性。
• 最大跨度-truss 挖掘框架成功识别出多样化真实世界时间网络中的密集且时间一致的子图，验证了其在动态网络分析中的实用性。
• 结果证实，结合流式计算与智能剪枝，可实现对有意义时间密集结构的可扩展且高效的发现。