[论文解读] Survey and Taxonomy of Lossless Graph Compression and Space-Efficient Graph Representations

Maciej Besta, Torsten Hoefler|arXiv (Cornell University)|Jun 5, 2018

Graph Theory and Algorithms参考文献 427被引用 64

一句话总结

该论文提供了一个关于无损图压缩与节省空间表示的详尽综述和分类。其按三个维度组织，帮助为不同图类型和用途选择合适的方案。

ABSTRACT

Various graphs such as web or social networks may contain up to trillions of edges. Compressing such datasets can accelerate graph processing by reducing the amount of I/O accesses and the pressure on the memory subsystem. Yet, selecting a proper compression method is challenging as there exist a plethora of techniques, algorithms, domains, and approaches in compressing graphs. To facilitate this, we present a survey and taxonomy on lossless graph compression that is the first, to the best of our knowledge, to exhaustively analyze this domain. Moreover, our survey does not only categorize existing schemes, but also explains key ideas, discusses formal underpinning in selected works, and describes the space of the existing compression schemes using three dimensions: areas of research (e.g., compressing web graphs), techniques (e.g., gap encoding), and features (e.g., whether or not a given scheme targets dynamic graphs). Our survey can be used as a guide to select the best lossless compression scheme in a given setting.

研究动机与目标

• 动机：压缩大规模图以加速处理、降低 I/O 和内存压力的需求。
• 提供对无损图压缩技术和表示的详尽综述。
• 建立一个按研究领域、技术和特征组织方案的分类法。
• 解释所选工作中的核心思想和形式化基础，以帮助理解。
• 在不同场景下为选择合适的压缩方案提供指导。

提出的方法

• 对无损图压缩与节省空间的表示领域进行调研。
• 将现有方案分类为一个综合分类法。
• 解释核心思想，以及在可用时对所选工作的形式基础。
• 使用三个维度描述压缩方案的空间：研究领域、技术和特征。
• 将本次综述呈现为在给定设置中选择最佳无损压缩方案的指南。

实验结果

研究问题

• RQ1 当前研究中的主要无损图压缩方案和表示有哪些？
• RQ2 这些方案在研究领域、技术和特征方面有何差异？
• RQ3 哪些形式化原理支撑关键的压缩方法？
• RQ4 研究人员如何在特定的图处理场景中选择最合适的压缩方案？

主要发现

• 提供对无损图压缩技术和节省空间表示的全面综述。
• 引入基于三个维度的分类法：研究领域、技术和特征。
• 讨论所选工作中的关键思想和形式化基础。
• 在各种设置下为选择合适的压缩方案提供指导。