宏宇，陈鸿昶，张建朋*，黄瑞阳

基于节点相似性分组与图压缩的图摘要算法

宏宇1，陈鸿昶2，张建朋2*，黄瑞阳2

（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）（ ∗ 通信作者电子邮箱j_zhang_edu@sina.com）

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。

图摘要；图压缩；图查询；超边；最小描述长度

0 引言

图数据可以用于建模实体和实体之间的复杂关系，在现实世界中应用广泛，如社交网络、蛋白质分子网络、合作关系网络和通信网络等。许多计算问题都可以转换成图上的计算问题，从而利用图上的相关技术解决问题。图有很多下游任务，如模式挖掘、社区发现、图查询和可视化等，服务于解决现实问题；……