Similarity Search in Graph Databases: A Multi-layered Indexing Approach

文章简介

1. 文章标题：
   Similarity Search in Graph Databases: A Multi-layered Indexing Approach
2. 文章链接
3. 作者单位：
   佛罗里达州立大学计算机科学系
   梁永江
   赵培祥

文章正文

引文**2013 A Partition-Based Approach to Structure Similarity Search**通过将比较图划分为阈值+1个不重叠的分区，然后通过合并每个分区，构建倒排索引。在索引中，每个分区后面都包含了包含这个分区的数据图。查找的思路是通过这个倒排索引，先检查分区是否和查询图子图同构，如果子图同构了，再去检查分区后面的数据图，是否和查询图是规模和标签个上的规模是符合条件的，如果符合条件，则加入候选集。之后验证候选集。

参考文献6 Recent Advances in Graph Partitioning介绍了分区方法

如上是文章初始的思路，但是在时间代价上面，后来的候选集的验证花费的时间最多，之后提出了优化方法，自己没有看。

文章总结

1.解决问题

是对文献【34】的一层索引的优化。因为一层索引不能保证更加紧密地过滤候选图，所以提出了多层索引的方法。同时分析了在基于分区方法的过程中，使用随机分区的方法，不能高效地过滤候选图，所以在这方面做了优化。

2.使用方法

基于分区方法的拓展。主要表现在：索引的层数增多，将原来的一层索引，增加为多层索引，每一层索引都采用了高选择性值的分区方法，但是每一层分区的个数是自己设定的，为r+k个分区，如果一个图中至少有k个分区和查询图有包含关系，那么这个图是相似图。其中r是阈值，k是自己设定的参数。每一层的k都不一样。

3.文章不足

直观感觉，在构建索引的时候，非常繁琐，需要大量的存储空间。