基于节点相似性分组与图压缩的图摘要算法

来源：计算机应用杂志2023年第10期北京时间：

作者：宏宇, 陈鸿昶, 张建朋, 黄瑞阳

单位：1.郑州大学 网络空间安全学院，郑州 450002；2.信息工程大学 信息技术研究所，郑州 450002

摘要：针对当前图摘要方法压缩率较高，图压缩算法无法直接被用于下游任务分析的问题，提出一种图摘要与图压缩的融合算法，即基于节点相似性分组与图压缩的图摘要算法（GSNSC）。首先，初始化节点为超节点，并根据相似度对超节点分组；其次，将每个组的超节点合并，直到达到指定次数或指定节点数；再次，在超节点之间添加超边和校正边以恢复原始图；最后，对于图压缩部分，判断对每个超节点的邻接边压缩和摘要的代价，并选择二者中代价较小的执行。在Web-NotreDame、Web-Google和Web-Berkstan等6个数据集上进行了图压缩率和图查询实验。实验结果表明，在6个数据集上，与SLUGGER（Scalable Lossless sUmmarization of Graphs with HiERarchy）算法相比，所提算法的压缩率至少降低了23个百分点；与SWeG（Summarization of Web-scale Graphs）算法相比，所提算法的压缩率至少降低了13个百分点；在Web-NotreDame数据集上，所提算法的度误差比SWeG降低了41.6%。以上验证了所提算法具有更好的图压缩率和图查询准确度。

关键词：图摘要,图压缩,图查询,超边,最小描述长度

基金资助：国家自然科学基金资助项目(62002384);中国博士后科学基金资助项目(2020M683760)