社会网络与图匹配查询.PDFVIP

20 专题 第?8?卷??第?4?期??2012?年?4?月 马　帅　曹　洋　沃天宇　怀进鹏 北京航空航天大学 社会网络与图匹配查询 背景 无线互联网和3G等新兴技术的发展为用户之 间通过各种社会网络，包括B B S论坛、在线社区 （如Facebook、人人网和开心网等）、微博（如 Twitter、新浪微博和腾讯微博等）进行交流带来了 便利，网民也越来越多。据中国互联网络信息中心 （CNNIC）发布的互联网络发展状况统计报告[1]显 示，截至2011年12月底，中国网民规模已达到5.13 亿人，社交网站使用率为47.6%，微博使用率由2010 年的13.8%猛涨至2011年的48.7%。 社会网络的飞速发展，对个人和社会群体的行 为产生了深远影响。以脸谱（Facebook）为例进行 分析，从中可以发现：（1）用户群规模大，全球 每13个人中就有1个人使用，并且超过一半的用户 每天都登陆Facebook；（2）使用频繁，年龄段在 10～34岁之间的用户有48%每天醒来（甚至有28% 的用户在起床前）就查看自己的账户信息；（3） 朋友圈较大，平均每个用户有130个朋友；（4）所 有用户每月在线时间达7000亿分钟；（5）48%的年 轻人通过Facebook获取新闻消息[2]。 在社会网络中，可以把用户看作为图的顶点， 用户之间的关系（如朋友关系）看作图的边。图的 相关理论和技术在社会网络中有着重要的应用，是 目前学术界和业界关注的热点之一。 国内外知名研究机构和公司对图的研究与应用 都非常重视。例如，微软研究院的Trinity项目[3]和用 于数据中心的“Querying Large Distributed Graphs” 项目[4]；谷歌的大图处理系统Prege l[5]和MapRe- 关键词：社会网络　图匹配查询 duce[6]；雅虎研究院的“Graph Partitioning”项目[7]； Neo4j公司的开源图数据库[8]；美国加州大学圣巴巴 拉分校（University of California Santa Barbara）的 “Massive Graphs in Clusters”项目[9]；英国爱丁堡大 学的模式匹配项目[10]以及北京航空航天大学和国内 各大院校的关于图的研究。 图匹配查询 图匹配查询指的是一种概念上非常广泛的图的 查询语言，在社交网络中有着广泛的应用。下面我 们首先给出一个简单的形式化定义。 图匹配：给定一个模式图（pattern graph） 和一个数据图（data graph） ： （1）判断 是否“匹配” ；或者 （2）从 中找出所有跟 “匹配”的子图。 注1：这里图是由顶点集和边集组合而成，而顶点 和边上通常会有标签标注相关信息。 注2：图匹配的定义包含了两类查询，第一类查询是 布尔查询，即需要回答“是”或者“否”的查询； 第二类查询返回结果时需要利用第一类查询，两 者之间有着紧密的关系。此外，模式图 通常比较 小，仅仅包含几个或者几十个顶点；而数据图 通 常较大，甚至包含以“亿”为数量级的顶点和边。 应用实例 下面通过社会关系查找、角色分析、推荐系统 和交通路线选择4个应用实例来进一步介绍图匹配 21 第?8?卷??第?4?期??2012?年?4?月 查询在社会网络中的应用情况。 实例一：社会关系查找 图匹配查询在社会关系查找中有着广泛的应用。 下面给出一个查询远房亲属关系的应用案例[18]。华人 社交网络记录了华人之间的社会关系，其中网络的 顶点是人，且顶点上带有属性值，用来记录人的姓 名；边是人与人之间的各种人际关系，且边上带有 属性值，用来记录所连接的两人之间的相应关系， 例如父子（女）、母子（女）、兄弟（妹）、姐弟 （妹）、上下级、师生关系等。 有几类常见的社会关系查询：（1）查找给定 的张三和李四两人是否是远房亲戚；（2）查找张 三和李四是不是三代以内的近亲；（3）查找张三 所有三代以内具有血缘关系的亲属；（4）查找并 输出所有与张三有三代以内血缘关系的亲戚且是张 三某个兄弟的老板。 事实上，上面所有查询都可用图模式匹配查 询中的可达性查询及其扩展 [18]来表达并找到结果。 总体来讲，查询（1）和（2）只需输出“是”或 “否”，查询（3）和（4）需要输出具体的数据 （即符合要求的人）。注意到如果张三和李四是具 有血缘关系的远房亲戚，则他们在网络中一定存在 一条路径（即可达的），并且连接他们的路径中所 有边的属性只可能是父子（女）、母子（女）、兄 弟（妹）、姐弟（妹）四种具有血缘联系的社会关 系。而对于判定三代以内的血亲关系，则可以通过 限制关系网络中连接两人的符合边属性约束的路径 长度来（即需要通过不超过三“跳”的路径 连接张三和李四）实现。因此，以上4种查 询应用都可以