社交網(wǎng)絡(luò)圖壓縮算法的研究.pdf

1、近年來(lái)，隨著萬(wàn)維網(wǎng)(World Wide Web，WWW)的發(fā)展，社交網(wǎng)絡(luò)的應(yīng)用變得十分流行。社交網(wǎng)絡(luò)通常是由現(xiàn)實(shí)中的個(gè)體之間通過(guò)朋友、血緣等社交關(guān)系建立的社交結(jié)構(gòu)。將社交網(wǎng)絡(luò)中的個(gè)體看作頂點(diǎn)，個(gè)體之間的聯(lián)系看作邊，可以將社交網(wǎng)絡(luò)抽象成一個(gè)有向圖，稱(chēng)為社交網(wǎng)絡(luò)圖。挖掘社交網(wǎng)絡(luò)中的信息和研究社交網(wǎng)絡(luò)的發(fā)展模型取決于對(duì)社交網(wǎng)絡(luò)圖的深層研究，而社交網(wǎng)絡(luò)的規(guī)模巨大，導(dǎo)致對(duì)應(yīng)的社交網(wǎng)絡(luò)圖的頂點(diǎn)和邊也非常多，這是研究社交網(wǎng)絡(luò)圖的一大障礙。因此，對(duì)社

2、交網(wǎng)絡(luò)圖進(jìn)行壓縮即成為社交網(wǎng)絡(luò)圖研究的首要任務(wù)。但是社交網(wǎng)絡(luò)圖和傳統(tǒng)網(wǎng)絡(luò)圖的性質(zhì)有很大的不同，根據(jù)節(jié)點(diǎn)的URL字典序存儲(chǔ)后，相鄰節(jié)點(diǎn)的鄰接序列的相似度很小，不利于社交網(wǎng)絡(luò)的壓縮。
　　本文通過(guò)研究社交網(wǎng)絡(luò)的性質(zhì)，分析出社交網(wǎng)絡(luò)中的相似性。這種相似性表現(xiàn)在節(jié)點(diǎn)和它鄰接序列表中的節(jié)點(diǎn)之間，這是因?yàn)楣?jié)點(diǎn)和鄰接序列表中的節(jié)點(diǎn)具有朋友、血緣等關(guān)系，現(xiàn)實(shí)中兩個(gè)人的關(guān)系越親密，其對(duì)應(yīng)的社交圈的重合度也比較大。
　　本文根據(jù)這種相似性，提出

3、了一種新的壓縮方案，稱(chēng)為SNComp(Social Networks Compression)。SNComp結(jié)合了BFS(Breadth First Search)算法和Rabin指紋算法。使用BFS算法能夠?qū)崿F(xiàn)對(duì)節(jié)點(diǎn)的層次化掃描，將父節(jié)點(diǎn)和它的孩子節(jié)點(diǎn)存儲(chǔ)在相對(duì)臨近的位置。但是使用這種方法對(duì)節(jié)點(diǎn)排序，節(jié)點(diǎn)的孩子節(jié)點(diǎn)之間是按照掃描的先后順序依次排列，沒(méi)有考慮孩子節(jié)點(diǎn)之間的相對(duì)順序。SNComp進(jìn)一步使用Rabin指紋算法，計(jì)算父節(jié)點(diǎn)和它

4、的孩子節(jié)點(diǎn)之間的相似度值，然后通過(guò)這個(gè)值對(duì)孩子節(jié)點(diǎn)排序，從而可以保證子節(jié)點(diǎn)之間能夠按照和父節(jié)點(diǎn)的相似度大小順序排序。因此，SNComp能夠保證存儲(chǔ)在相鄰位置的節(jié)點(diǎn)能夠表現(xiàn)出很大程度的相似性。根據(jù)節(jié)點(diǎn)間的相似性，SNComp使用引用壓縮、塊壓縮等壓縮方法對(duì)社交網(wǎng)絡(luò)圖進(jìn)行壓縮，能夠保證節(jié)點(diǎn)間相同的的部分只需存儲(chǔ)一次，實(shí)現(xiàn)了對(duì)社交網(wǎng)絡(luò)圖的高效壓縮存儲(chǔ)。
　　本文采用六組經(jīng)典的社交網(wǎng)絡(luò)數(shù)據(jù)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行測(cè)試。主要的測(cè)試內(nèi)容包括存儲(chǔ)每條鏈接