SNS:一种快速无偏的分层图抽样算法

• 作者: 戴震宇 朱君鹏 李晖 陈梅
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 有偏抽样 分层抽样 图抽样 向量聚类 性能评估
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 249-255
• 页数: 7页
• 分类号: TP393
• 字数: 7215字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.11.039

摘要

抽样作为一种有效的统计分析方法,常被用于大规模图数据分析领域以提升性能.现有的图抽样算法大多存在高度节点或低度节点过度入样的问题,较大程度地影响了算法的性能.复杂网络具有无标度特性,即节点的度服从幂律分布,节点个体之间存在较大差异.在基于点选择策略的抽样方法的基础上,通过结合节点的近似度分布策略,设计并实现了高效无偏的分层图抽样算法SNS.在3个真实的图数据集上的实验结果表明,SNS算法比其他图抽样算法保留了更多的拓扑属性,且执行效率比FFS更高.SNS算法在度的无偏性 、抽样结果拓扑属性近似性方面的表现均优于现有算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈梅	贵州大学计算机科学与技术学院	51	314	10.0	16.0
2	李晖		4	2	1.0	1.0
3	戴震宇		2	2	1.0	1.0
4	朱君鹏	贵州大学计算机科学与技术学院	1	2	1.0	1.0