[论文解读] Generalized Cores

Vladimir Batagelj, Matjaž Zaveršnik|arXiv (Cornell University)|Feb 28, 2002

Complex Network Analysis Techniques参考文献 5被引用 137

一句话总结

本文提出了一种基于局部单调顶点属性函数的图核心广义化概念，实现了大规模图的高效分解。证明了此类广义核心可在 O(m max(Δ, log n)) 时间内计算，将传统的核心分解扩展至更广泛的图属性类别，同时保持计算效率。

ABSTRACT

Cores are, besides connectivity components, one among few concepts that provides us with efficient decompositions of large graphs and networks. In the paper a generalization of the notion of core of a graph based on vertex property function is presented. It is shown that for the local monotone vertex property functions the corresponding cores can be determined in $O(m \max (\Delta, \log n))$ time.

研究动机与目标

• 将图核心的概念从传统的基于度数的定义扩展至任意局部单调顶点属性函数。
• 提供一种统一框架，利用基于属性的核心结构对大规模图与网络进行分解。
• 建立高效算法以计算这些广义核心，并提供时间复杂度的可证明界限。

提出的方法

• 通过基于顶点邻域定义的局部单调顶点属性函数，定义广义核心，为每个顶点分配一个值。
• 引入一种递归消除过程，移除违反由属性函数定义的核心条件的顶点。
• 使用优先队列数据结构高效跟踪并更新属性值低于所需阈值的顶点。
• 利用属性函数的单调性，确保分解过程的正确性与收敛性。
• 通过邻接表遍历与堆式选择的结合，优化算法，实现所述时间复杂度。

实验结果

研究问题

• RQ1 图核心的概念能否超越基于度数的定义，扩展至其他顶点属性？
• RQ2 何种顶点属性函数条件可确保广义核心的高效计算？
• RQ3 广义核心计算的时间复杂度如何随图大小与最大度数变化？
• RQ4 广义核心分解能否保持与传统 k-core 分解相当的效率？

主要发现

• 所提出的广义核心分解通过局部单调顶点属性函数正式定义，扩展了核心分解的适用范围。
• 该算法可正确计算任意局部单调顶点属性函数的广义核心。
• 算法的时间复杂度被限制在 O(m max(Δ, log n))，与标准 k-core 分解的效率相当。
• 该方法对边数 m 保持线性依赖，确保在大规模图上的可扩展性。