高效低索引的图相似性搜索算法

TP391; 图相似性搜索是在给定的度量标准下查找与查询图相似的图集合,目前大多采用"过滤-验证"的计算框架.针对现有方法中过滤下界不紧密和索引空间占用较大等问题,提出了一种基于查询图分区的多层级过滤、低索引空间占用的图相似性搜索算法Z-Index.该算法首先通过全局粗粒度过滤得到预候选集;然后提出基于扩展概率的查询图分区算法,并采用层级过滤机制进一步精简候选集,增强下界紧密性;最后引入序列相似性差值计算序列中数据分布的稀疏度,提出分区压缩和差值压缩两种编码压缩算法,并据此构建"零"索引结构,降低索引空间开销.实验结果表明,Z-Index算法所得下界更加紧密,产生的候选集大小可减少50％左右,算法执行时间大大缩短,且该算法在索引空间占用极小的情况下仍具有可扩展性.