.png){kind=icon}
返回
Visual evaluation for attribute differences in graph sampling
.png){kind=icon}
PRE
AI
DOI：10.1007/s12650-026-01123-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着图数据规模和复杂性的不断增加，图采样已成为一种关键的降维技术，而对其有效性的评估也引起了广泛关注。然而，传统的采样评估方法主要关注拓扑结构的保留，却忽略了节点属性的完整性。为解决这一问题，我们引入了一种关注属性的评估框架来评估图采样差异。首先，提出了一种新的分类方法，将采样差异分为两种主要类型：属性隔离型（Attribute-Isolation）和属性结构型（Attribute-Structure）。前者进一步细分为属性分布差异（Attribute-Distribution）和属性相关性差异（Attribute-Correlation），而后者包括三个子类别：属性节点差异（Attribute-Node）、属性路径差异（Attribute-Path）和属性社群差异（Attribute-Community）。在此基础上，我们设计了一套可计算的指标来量化每种类型的属性相关差异。此外，我们开发了一个交互式可视化系统，集成了多视图可视化模块，以可视化采样对属性和结构相关性的影响。案例研究和定量评估表明，我们的方法在表征不同采样策略对属性信息的影响方面具有有效性，并有助于用户进行网络分析和策略选择。
Keyword:
Graph sampling
Graph difference
Visual evaluation
期刊
J
IF:
2.3
论文数:
52
被引数:
1.7K
机构
引用论文
分享收藏Benefits of bias.png)
Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏More than topology: Joint topology and attribute sampling and generation of social network graphs
OAAI
OAAI分享收藏A unified framework for interactive visual graph matching via attribute-structure synchronization基于属性-结构同步的交互式可视化图匹配统一框架
PREAI
分享收藏
查看更多内容