[论文解读] Lossless Representation of Graphs using Distributions

Mireille Boutin, Gregor Kemper|ArXiv.org|Oct 9, 2007

Graph Theory and Algorithms参考文献 35被引用 3

一句话总结

本文提出了一种基于节点和边权重的一维分布的无损图表示方法，表明几乎所有加权图——尤其是具有实值向量权重的图——均可从这些分布中唯一重构。关键贡献在于，提出了一组充分条件，使得通过比较简单且低维的分布即可确定图同构，从而在不损失结构信息的前提下实现高效的图数据库索引与比较。

ABSTRACT

We consider complete graphs with edge weights and/or node weights taking values in some set. In the first part of this paper, we show that a large number of graphs are completely determined, up to isomorphism, by the distribution of their sub-triangles. In the second part, we propose graph representations in terms of one-dimensional distributions (e.g., distribution of the node weights, sum of adjacent weights, etc.). For the case when the weights of the graph are real-valued vectors, we show that all graphs, except for a set of measure zero, are uniquely determined, up to isomorphism, from these distributions. The motivating application for this paper is the problem of browsing through large sets of graphs.

研究动机与目标

• 通过使用简单的一维分布，开发一种无损且同构不变的加权图表示方法。
• 通过将复杂的图结构替换为可度量的分布，实现大规模图数据库中高效比较与索引。
• 建立图可唯一从其权重分布中重构的充分条件，以最小化信息损失。
• 将图重构的概念从基于子图的方法扩展至加权和与组合的分布。
• 为高维图数据集中的图浏览器与相似性搜索提供实用框架。

提出的方法

• 使用节点权重、边权重以及相邻权重加权和（如 α, β, Δ）在多个维度上的分布来表示图。
• 将子三角形（三节点子图）的分布作为初始重构的基础表示。
• 应用实值向量权重的多元分布（如 g^l, w^l）以无损编码图结构。
• 对权重组合（如 w^l_i + w^l_j + w^{l+1}_j + w^{l+1}_k）引入条件，以防止重构过程中的歧义。
• 通过匹配分布证明同构性重构：若两图具有完全相同的分布，则在指定非退化条件下为同构图。
• 利用对称性与置换不变性，对齐图之间的分布，确保重构的保真性。

实验结果

研究问题

• RQ1 能否从子三角形分布中唯一重构一大类加权图？
• RQ2 在何种条件下，具有实值向量权重的图可由其权重及加权和的一维分布唯一确定？
• RQ3 是否可通过仅比较节点与边权重的分布来判断图之间的同构性，而无需完整比较图结构？
• RQ4 如何为高维加权图构建无损且同构不变的表示？
• RQ5 哪些分布不变量可支持在大规模图数据库中实现高效索引与快速相似性搜索？

主要发现

• 一大类加权图可从其子三角形分布中唯一重构，从而提供无损表示。
• 对于具有实值向量权重的图，除测度为零的集合外，所有图均可从节点权重、边权重及其成对和的分布中唯一重构。
• 当某些权重线性组合（如 w^l_i + w^l_j + w^{l+1}_j + w^{l+1}_k）在所有节点三元组中互不相同时，重构可被保证。
• 该方法仅需 3d−1 个分布表示边加权图，2d−1 个分布表示节点加权图，从而支持高效索引。
• 所提出的分布对图同构保持不变，并保留所有可区分的结构特征，确保无信息损失。
• 该框架通过支持在低维空间中对图表示进行投影与聚类，自然支持数据库索引与快速相似性搜索。