CEMR: An Effective Subgraph Matching Algorithm with Redundant Extension Elimination
Peking University(北京大学);University of New South Wales(新南威尔士大学)
CEMR通过共同扩展合并和重用技术以及剪枝策略,有效减少冗余计算,提升子图匹配效率。
2026-03-10 cs.DB
MultiRI: Fast Subgraph Matching in Labeled Multigraphs
子图匹配(SM)问题包括找到一个给定的小图(称为查询)到一个大图(称为目标)的所有嵌入。SM问题已被广泛研究的简单图,即两个节点之间只有一条边,节点有单一的标签,但很少有方法已经设计了标记的多图,即可能有多个标签的节点,其中对节点可能有多个标记的边缘之间的图。在这里,我们提出了MultiRI,一个新的算法的子多重图匹配(SMM)的问题,即在标记的多重图的子图匹配。MultiRI通过计算查询节点上的兼容域和对称破缺条件来过滤可能解决方案的搜索空间,从而改进了最先进的技术。从经验上讲,我们表明,MultiRI优于最先进的方法的SMM问题在合成和真实的图形,与乘法加速之间的5和10的大型图形,通过使用有限的内存量。
2020-03-25 cs.DB
VerSaChI: Finding Statistically Significant Subgraph Matches using Chebyshev's Inequality
近似子图匹配是问答、社区发现和基序发现等应用的重要基础,通常涉及大型标记图,如知识图谱、社交网络和蛋白质序列。有效的方法来提取匹配的子图,在标签和结构相似性的查询,应该描述的准确性,计算效率和鲁棒性的噪音。在本文中,我们提出了VerSaChI的基础上找到的top-k最相似的子图的2跳标签和结构重叠相似的查询。利用Chebyshev不等式计算卡方统计显著性来度量子图的匹配程度。在真实图形数据集上的实验显示,与最先进的方法相比,该方法在准确性以及对噪声的鲁棒性方面都有显着提高。
2021-08-18 cs.DB
Efficient Partition-based Approaches for Diversified Top-k Subgraph Matching
Hunan University(湖南大学);The University of New South Wales(新南威尔士大学)
本文提出DTkSM问题,通过基于分区的距离多样性框架,高效实现top-k子图匹配的多样化和加速。
2025-11-24 cs.DB
Cardinality Estimation of Subgraph Matching: A Filtering-Sampling Approach
针对子图计数计算难度大的问题,提出结合过滤、自适应树采样与最坏情况最优分层采样的FaSTest算法,用于子图基数估计,准确率较现有方法最高提升两到三个数量级。
2024-04-15 cs.DB
GNN-based Anchor Embedding for Efficient Exact Subgraph Matching
School of Computer Science and Technology, Harbin Institute of Technology(哈尔滨工业大学计算机科学与技术学院)
针对现有深度学习子图匹配方法多为近似、传统精确方法效率低的问题,提出基于GNN的锚点嵌入框架GNN-AE,通过离线索引特征子图与并行匹配增长算法实现高效精确子图匹配,性能较基线最高提升1-2个数量级。
2025-10-28 cs.DB cs.SI
LIVE: Learnable Monotonic Vertex Embedding for Efficient Exact Subgraph Matching (Technical Report)
Beihang University(北京航空航天大学);ShenZhen Institute of Computing Sciences(深圳计算科学研究院);Shandong University(山东大学);Beijing University of Posts and Telecommunications(北京邮电大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
本文提出LIVE框架,通过强制顶点嵌入的单调性,提升大规模图的精确子图匹配效率与剪枝效果。
2026-04-21 cs.DB
Continuous Subgraph Matching via Cost-Model-based Dynamic Vertex Dominance Embeddings (Technical Report)
East China Normal University(华东师范大学);Kent State University(肯特州立大学)
针对动态图上的连续子图匹配问题,提出基于动态顶点支配嵌入(DIVINE)的通用框架,结合度分组与DAS$^3$概要及剪枝策略,实现高效增量维护与查询,实验验证其高效性。
2025-10-09 cs.DB
Fast Subgraph Matching by Exploiting Search Failures
子图匹配是一个计算密集型问题,要求枚举数据图中查询图的所有同构嵌入。这个问题通常通过回溯来解决,回溯递归地进化每一个可能的部分嵌入,直到它成为同构嵌入或发现不能成为同构嵌入。虽然现有的方法在开始回溯之前通过分析图的结构来减少搜索空间,但对于复杂图通常是无效的。在本文中,我们提出了一个有效的子图匹配算法,在回溯过程中进行动态修剪。我们的主要思想是“从失败中学习”。也就是说,我们的算法产生故障模式时,发现部分嵌入无法成为同构嵌入。然后,在后续的回溯过程中,我们的算法修剪部分嵌入匹配的失败模式。这种修剪不会改变结果,因为故障模式被设计为表示永远不会产生同构嵌入的条件。此外,我们引入了一个有效的表示故障模式的恒定时间模式匹配。实验结果表明,我们的方法提高了性能高达10000倍,比现有的方法。
2020-12-28 cs.DB
Efficient Distributed Exact Subgraph Matching via GNN-PE: Load Balancing, Cache Optimization, and Query Plan Ranking
本文提出三种创新方法扩展GNN-PE至分布式系统,通过动态负载平衡、多GPU协作缓存和查询计划排序提升大规模图的精确子图匹配效率与稳定性。
2026-04-20 cs.DB
Time-Constrained Continuous Subgraph Matching Using Temporal Information for Filtering and Backtracking
针对时态图上的连续子图匹配问题,提出利用时间信息进行可匹配边过滤与回溯剪枝的新算法,查询速度较现有最优方法最高提升两个数量级。
2023-12-16 cs.DB
Subgraph Pattern Matching over Uncertain Graphs with Identity Linkage Uncertainty
人们越来越需要能够捕获不确定性并回答图结构数据查询的方法。两种常见的不确定性类型是节点属性值的不确定性和边存在的不确定性。在本文中,我们结合了身份不确定性。标识不确定性表示从数据或引用中提到的对象到底层真实世界实体的映射的不确定性。我们提出了一个概率实体图(PEG)的概念,概率图模型,定义了一个分布在可能的图形在实体级别。该模型考虑到节点属性的不确定性,边缘存在的不确定性,身份的不确定性,从而使我们能够系统地原因所有三种类型的不确定性,在一个统一的方式。我们引入了一个一般框架,用于构建PEG给定的不确定数据在参考水平和开发高效的算法来回答子图模式匹配查询在这种设置。我们的算法是基于两个新的想法:上下文感知的路径索引和减少连接候选人,大大减少了查询搜索空间。一个全面的实验评估表明,我们的方法优于基线实现的数量级。
2013-05-30 cs.DB
New Subgraph Isomorphism Algorithms: Vertex versus Path-at-a-time Matching
在许多应用领域中,图被广泛用于对复杂的数据语义进行建模。本文提出了两个新的有效算法Fast-ON和Fast-P来解决子图同构问题。这两种算法都是在Ullman算法[Ullmann 1976]的基础上,分别采用逐点匹配和逐路径匹配的方式,并采用有效的算法来切割搜索空间。与已有的算法相比,Fast-ON和Fast-P算法在密集和稀疏图数据上的速度都提高了1-4个数量级。
2019-04-18 cs.DB cs.DS
An In-Depth Study of Continuous Subgraph Matching (Complete Version)
连续子图匹配(CSM)算法在线查找数据图流上给定模式的出现。已经提出了许多增量CSM算法。然而,对这些算法的系统研究是缺失的,以确定它们的优点和缺点在广泛的工作负载。因此,我们首先提出模型CSM增量视图维护(IVM),以捕获现有算法的设计空间。然后,我们实现了六个代表CSM算法,包括IncIsoMatch,SJ-Tree,Graphflow,IEDyn,TurboFlux和SymBi,在一个共同的框架,基于IVM。我们进一步进行了广泛的实验,以评估竞争算法的整体性能,以及研究个别技术的有效性,找出导致性能差异的关键因素。我们获得了以下新的性能见解:(1)现有算法从查询图中映射到更新数据边的边开始搜索,可能导致许多无效的部分结果;(2)所有匹配顺序都基于简单的搜索,有时显得无效;(3)索引更新在某些查询上占主导地位的查询时间;(4)常数延迟枚举算法的索引更新开销较大。因此,没有算法在所有情况下都优于其他算法。因此,我们根据我们的实验结果给出了一些建议。特别是,SymBi索引对于稀疏查询或长时间运行的查询非常有用。IEDyn和TurboFlux的匹配顺序在树查询上工作得很好,Graphflow的匹配顺序在密集查询或查询和数据图都稀疏时工作得很好,否则,我们推荐SymBi的匹配顺序。
2022-03-14 cs.DB
Symmetric Continuous Subgraph Matching with Bidirectional Dynamic Programming
在许多真实数据集中,例如社交媒体流和网络数据源,图形通过边插入和删除的图形更新流随时间而变化。检测这种动态图中的关键模式在各种应用领域中起着重要作用,例如欺诈检测、网络安全和社交网络的推荐系统。给定一个动态数据图和一个查询图,连续子图的匹配问题是为每个边插入找到所有正匹配,为每个边删除找到所有负匹配。最先进的算法TurboFlux使用查询图的生成树进行过滤。然而,使用生成树可能具有低修剪能力,因为它没有考虑查询图的所有边。在本文中,我们提出了一个对称的和更快的算法SymBi维护一个辅助数据结构的基础上有向无环图,而不是一个生成树,它保持了查询图和动态图之间的双向动态规划的中间结果。对真实和合成数据集的大量实验表明,SymBi在运行时间方面比最先进的算法高出三个数量级。
2021-04-02 cs.DB
MultiGraphMatch: a subgraph matching algorithm for multigraphs
针对多重图子图匹配研究不足的问题,提出MultiGraphMatch算法,采用位矩阵索引与基于可匹配边基数的查询边排序技术,支持CYPHER带逻辑条件查询,在多类图数据上性能优于或持平于现有方案。
2025-01-16 cs.DB
Taming Subgraph Isomorphism for RDF Query Processing
RDF数据被用于对生命科学、语义网、生物信息学和社会图等各个领域的知识进行建模。实际RDF数据的大小达到数十亿个三倍。这就需要一个有效处理RDF数据的框架。RDF数据处理的核心功能是子图模式匹配。支持高效子图模式匹配有两个完全不同的方向。一个方向是开发专门的RDF查询处理引擎,利用RDF数据的属性在过去的十年中,而另一个方向是开发有效的子图同构算法一般,标记图超过30年。虽然两个方向都有类似的目标(即,在给定查询图的数据图中寻找子图),它们已经被独立研究,没有明确的原因。我们认为,一个子图同构算法可以很容易地修改,以处理图同态,这是RDF模式匹配语义,只需删除注入约束。在本文中,最先进的子图同构算法的基础上,我们提出了一个内存中的解决方案,TurboHOM++,这是驯服的RDF处理,我们比较了它与代表RDF处理引擎的几个RDF基准在服务器机器,其中数十亿的三元组可以加载在内存中。为了加速TurboHOM++,我们还提供了一个简单而有效的转换和一系列优化技术。使用几个RDF基准测试的大量实验表明,TurboHOM++始终显着优于代表性的RDF引擎。具体来说,TurboHOM++的性能比竞争对手高出五个数量级。
2015-06-10 cs.DB
GuP: Fast Subgraph Matching by Guard-based Pruning
针对现有子图匹配方法因候选顶点生成大量非同构子图导致计算成本高的问题,提出基于守卫剪枝的GuP算法,通过为候选顶点、边附加守卫并自适应过滤,高效求解现有最优方法无法在实际时间内处理的各类查询。
2023-06-11 cs.DB cs.DS cs.IR
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching
Zhejiang Gongshang University(浙江工商大学);University of New South Wales(新南威尔士大学);University of Technology Sydney(悉尼科技大学);Hong Kong University of Science and Technology(香港科技大学)
子图匹配是使用图结构数据的各个领域中的基本问题。子图匹配算法枚举查询图q在数据图G中的所有同构嵌入。匹配算法的一个重要分支利用回溯搜索方法,该方法递归地扩展中间结果,遵循查询顶点的匹配顺序。它已被证明,匹配顺序起着至关重要的作用,这些回溯的子图匹配算法的时间效率。近年来,许多用于查询顶点排序的高级技术(即,匹配顺序生成)来根据预先设置的启发式规则减少没有希望的中间结果。本文首次将强化学习(RL)和图神经网络(GNNs)技术应用于子图匹配算法中,生成高质量的匹配顺序。该模型不使用固定的枚举法生成匹配顺序,而是充分利用图的信息,采用基于自适应学习的规则来确定查询顶点的顺序,从而显著减少了冗余枚举数。在强化学习框架的帮助下,我们的模型能够考虑长期的利益,而不是只考虑当前排序步骤的局部信息。在六个真实数据图上的大量实验表明,我们提出的匹配顺序生成技术可以减少多达两个数量级的查询处理时间相比,国家的最先进的算法。
2022-03-30 cs.AI cs.DB cs.LG
A General Cardinality Estimation Framework for Subgraph Matching in Property Graphs
本研究提出一种属性图查询模式基数估计的三阶段松耦合通用框架,可整合现有方法,经图版Join Order Benchmark实验验证小模式概要可准确估计无属性约束查询,同时指出带属性约束查询需新技术捕捉约束与拓扑的相关性。
2021-08-11 cs.DB
XMiner: Efficient Directed Subgraph Matching with Pattern Reduction
针对有向图匹配复杂度高、现有无向图匹配技术难以直接适用的问题,本文提出XMiner系统,通过模式约简(最小约束覆盖简化模式图)减少数据访问与冗余计算,性能优于现有单机系统且可扩展到大规模图的复杂匹配任务。
2024-04-17 cs.DB cs.DC
Fast Continuous Subgraph Matching over Streaming Graphs via Backtracking Reduction
针对流式图连续子图匹配中回溯主导成本的问题,提出 CaLiG 索引和 KSS 增量匹配范式以缩减并消除回溯,实验显示速度较 SOTA 快数个数量级。
2023-04-25 cs.DB cs.DS
Graph Pattern Matching Preserving Label-Repetition Constraints
图模式匹配是用于诸如社会网络分析之类的各种应用的常规过程。它通常是根据子图同构定义的,是NP-完全的。为了降低其复杂性,已经提出了许多扩展的图模拟,这些扩展集中在模式图的一些拓扑约束,这些约束可以在多项式时间内保持在数据图上。本文讨论了一种新的拓扑约束--标号重复约束的满足问题。据我们所知,现有的多项式方法无法保持这一约束,而且,只能采用子图同构为此,这是成本高昂的。首先,我们提出了一个必要和充分条件,数据子图必须满足保持标签重复约束的模式图。此外,我们定义匹配的基础上的三重模拟的概念,图模拟的扩展,考虑到新的拓扑约束。我们表明,与此扩展,图模式匹配可以在多项式时间内进行,通过提供这样的算法。我们的算法是次二次的数据图的大小,和一般的四次。我们表明,我们的研究结果可以结合正交方法更有表现力的图形模式匹配。
2018-04-12 cs.DB cs.DS
Distributed Subgraph Enumeration via Backtracking-based Framework
在数据图中寻找或监视与给定模式图同构的子图实例是许多图分析应用(诸如网络模体挖掘和欺诈检测)中的基本查询操作。现有的分布式方法在通信方面效率低下。在分布式多路连接过程中,它们必须对部分匹配结果进行混洗。部分匹配结果可能比数据图本身大得多。为了克服这个缺点,我们开发了一个分布式子图枚举的Batch-BENU框架(B-BENU)。B-BENU并行执行一组本地搜索任务。每个任务在数据图中的顶点周围枚举子图,由基于回溯的执行计划指导。B-BENU不混洗任何部分匹配结果。相反,它将数据图存储在分布式数据库中。每个任务根据需要查询数据图的邻接集。为了支持动态数据图,我们提出了增量模式图的概念,并将连续子图枚举转化为在每个时间步枚举增量模式图。我们开发了流-BENU框架(S-BENU)来有效地枚举它们的匹配。我们实现了B-BENU和S-BENU与本地数据库缓存和任务拆分技术。大量的实验表明,B-BENU和S-BENU可以扩展到大数据图和复杂模式图。它们分别比最先进的方法高出一个和两个数量级。
2020-07-16 cs.DB cs.DC
Can Aggregate Invariants Accelerate Continuous Subgraph Matching? Limits, Laws, and a Dynamic Spectral Index
Tencent Technology(腾讯科技);HUAWEI Noah’s Ark Lab(华为诺亚方舟实验室)
研究聚合结构测试(如谱滤波)在动态图连续子图匹配中的可行性,发现其仅在候选集规模大时有效,并提出了动态局部谱索引。
2026-06-24 cs.AI cs.DB cs.DS
Large-scale continuous subgraph queries on streams
图模式匹配涉及在更大的图中为查询子图找到精确或近似匹配。它已被广泛研究,并在计算机视觉,计算生物学,社交网络,安全和金融等领域有很强的应用。图的精确模式匹配问题通常用子图同构来描述,而子图同构是NP完全的。来自在线社交网络、新闻和视频流的流数据呈指数级增长,以及对态势感知的持续需求,激发了一种用于发现流更新模式的解决方案。这也是实时分析市场的主要驱动力。在不断演化的图上,针对流输入的图模式匹配的增量算法的开发是一个新兴的研究领域。与此问题相关的一些挑战与在流数据库上的连续查询(CQ)评估中发现的相同。本文回顾了CQ系统的详尽研究领域的一些代表性工作,并确定了重要的语义,约束和架构功能,也适合HPC系统执行实时图形分析。对于这些功能中的每一个,我们提出了一个简短的讨论,在数据库领域遇到的挑战,解决方案的方法,并说明其相关性在一个高性能,流图处理框架。
2012-07-31 cs.DB cs.DC