[论文解读] An Experimental Study of the Treewidth of Real-World Graph Data

Silviu Maniu, Pierre Senellart|arXiv (Cornell University)|Jan 1, 2019

Advanced Database Systems and Queries被引用 18

一句话总结

本文对来自8个不同领域的25个现实世界图数据集进行了大规模实验研究，系统评估了其分枝宽度假设值的上下界，采用先进的估算算法。研究发现，尽管许多数据集的全局分枝宽度较高，但在宽度5–10范围内的部分树分解仍能实现显著压缩并保留可处理的子结构，从而在社交网络和道路网络等复杂网络中实现高效的查询处理。

ABSTRACT

This dataset contains the graphs used in “An Experimental Study of the Treewidth of Real-World Graph Data” by Silviu Maniu, Pierre Senellart, and Suraj Jog, published at ICDT 2019.

研究动机与目标

• 确定现实世界数据库实例是否具有有界分枝宽度，从而通过树分解实现高效查询处理。
• 评估在精确计算分枝宽度为NP难的前提下，基于分枝宽度的算法在真实世界数据上的可行性。
• 评估部分树分解在压缩大型图的同时保留可处理子结构的有效性。
• 分析图拓扑特征（如稀疏性、聚类性）与不同领域中分枝宽度行为之间的关系。

提出的方法

• 应用最先进的分枝宽度上界估算算法（Degree、FillIn、Degree+FillIn）以计算近似树分解。
• 使用下界估算器（MMD、LMD、Delta2D）建立分枝宽度值的置信区间。
• 在涵盖社交网络、道路网络和知识图谱等领域的25个真实世界数据集上评估算法，数据集规模从10k到200万个顶点不等。
• 通过移除大小低于给定宽度阈值的节点集合，执行部分树分解，并以剩余图的大小作为压缩效果的代理指标。
• 可视化并分析剪枝后核心图的相对大小，以评估部分分解的实际效用。
• 开展消融研究，比较不同分解策略（如Degree与FillIn）对运行时间和压缩效果的影响。

实验结果

研究问题

• RQ1 在不同领域的现实世界图数据集中，观察到的分枝宽度值范围是什么？
• RQ2 在低宽度（如5–10）下，部分树分解在多大程度上能压缩现实世界图，同时保留结构实用性？
• RQ3 不同分枝宽度估算算法（上界与下界）在大规模现实世界图上的表现如何？
• RQ4 是否存在某些图类型（如社交图、道路图、知识图）中，低宽度部分分解相比其他类型能实现显著更优的压缩效果？
• RQ5 在包含密集子结构（如团）的数据集（如TpcH）中，这些结构是否会影响部分树分解的有效性？

主要发现

• 现实世界图中的分枝宽度值范围从较低（5–10）到极高（超过100），大多数数据集表现出中等至较高的分枝宽度。
• 尽管全局分枝宽度较高，但在宽度5–10范围内的部分树分解仍能实现显著压缩——在道路网络中可压缩至原始大小的10%，在其他图中可压缩至50%。
• 在高度连通且团密度高的密集网络（如CitHep和LiveJournal）中，部分分解带来的收益有限。
• TpcH数据集在部分分解过程中表现出核心图大小的阶梯式变化，可能与关系中对应元组的大量团结构有关。
• Degree+FillIn启发式方法在上界估算中始终优于单一方法，生成了更紧凑且更精确的树分解。
• 通过MMD+和LMD+算法改进下界估算，显著缩小了上下界之间的差距，尤其在Facebook和Enron等稀疏图中效果显著。