[论文解读] Significant-attributed Community Search in Heterogeneous Information Networks

Yanghao Liu, Fangda Guo+4 more|arXiv (Cornell University)|Aug 25, 2023

Complex Network Analysis TechniquesPhysics and Astronomy被引用 3

一句话总结

本文提出了一种新颖的社区模型——异质显著社区（Heterogeneous Significant Community, HSC），用于在异质信息网络（HINs）中发现富含高属性值顶点的密集连接子图。该研究引入了基于分段元路径扩展与显著性增量的在线算法，并通过基于结构嵌套的解空间重用策略加以增强，进一步设计了两级索引以实现最优时间搜索，在大规模HIN上相比在线方法实现了2–4个数量级的速度提升。

ABSTRACT

Community search is a personalized community discovery problem aimed at finding densely-connected subgraphs containing the query vertex. In particular, the search for communities with high-importance vertices has recently received a great deal of attention. However, existing works mainly focus on conventional homogeneous networks where vertices are of the same type, but are not applicable to heterogeneous information networks (HINs) composed of multi-typed vertices and different semantic relations, such as bibliographic networks. In this paper, we study the problem of high-importance community search in HINs. A novel community model is introduced, named heterogeneous significant community (HSC), to unravel the closely connected vertices of the same type with high attribute values through multiple semantic relationships. An HSC not only maximizes the exploration of indirect relationships across entities of the anchor-type but incorporates their significance. To search the HSCs, we first develop online algorithms by exploiting both segmented-based meta-path expansion and significance increment. Specially, a solution space reuse strategy based on structural nesting is designed to boost the efficiency. In addition, we further devise a two-level index to support searching HSCs in optimal time, based on which a space-efficient compact index is proposed. Extensive experiments on real-world large-scale HINs demonstrate that our solutions are effective and efficient for searching HSCs, and the index-based algorithms are 2-4 orders of magnitude faster than online algorithms.

研究动机与目标

• 为解决现有方法集中于同质网络而忽视属性显著性的异质信息网络（HINs）社区搜索中的空白。
• 建模不仅在结构上紧密相连，且在多种语义关系中由高属性值顶点构成的社区。
• 开发高效在线与基于索引的算法，以可扩展地发现异质显著社区（HSCs）。
• 通过识别具有影响力且属性丰富的社区，支持社交网络分析、推荐系统和精英研究团队发现等实际应用。
• 通过两级索引结构与空间高效紧凑索引变体，实现最优时间查询处理。

提出的方法

• 提出异质显著社区（HSC）模型，识别以查询顶点类型为中心、通过多种语义关系最大化顶点显著性的结构紧密子图。
• 采用基于分段的元路径扩展方法，探索锚定类型实体之间的间接关系，同时逐步追踪显著性评分。
• 提出一种基于结构嵌套的解空间重用策略，避免冗余计算，提升算法效率。
• 设计两级索引结构以支持最优时间的HSC查询，实现快速查找与检索。
• 提出一种空间高效的紧凑索引变体，在保持快速查询性能的同时减少存储开销。
• 结合显著性增量与元路径分段，平衡社区搜索的准确性与效率。

实验结果

研究问题

• RQ1 如何在异质信息网络中建模既结构紧密又由高显著性顶点构成的社区？
• RQ2 可采用哪些高效的算法策略，使HSC搜索在大规模HIN上保持准确性的同时实现可扩展性？
• RQ3 通过结构嵌套实现的解空间重用如何提升HSC搜索的效率？
• RQ4 索引策略能否实现HIN中HSC发现的最优时间查询处理？
• RQ5 在真实世界的HIN中，基于索引的方法相比在线算法的性能提升如何？

主要发现

• 所提出的HSC模型成功识别出异质信息网络中在多种语义关系下具有高属性显著性的社区。
• 结合解空间重用的在线算法通过结构嵌套显著提升了效率，减少了冗余计算。
• 两级索引结构实现了最优时间的HSC查询处理，性能远超在线方法。
• 空间高效的紧凑索引变体在减少存储需求的同时保持了快速响应时间。
• 在真实世界大规模HIN上的实验表明，基于索引的算法比在线算法快2–4个数量级。
• 该方法有效支持实际应用，如识别有影响力的社交群体、优化推荐系统以及发现精英研究团队。