[发明专利]确定图中的同现率的方法、存储介质和系统

说明书

本发明涉及一种用于确定至少一个具有n个顶点和E条边的图中的同现率的计算机实现方法和系统，其中，每条边由一对顶点限定，该方法包括：将表示第一图的二进制邻接矩阵存储在存储器中；对第一图执行计算步骤，该计算步骤包括：从存储器加载二进制邻接矩阵的最多K个连续的行的块，并将每一行存储到K个高速缓冲存储器中的一个中；从存储器流式传输二进制邻接矩阵的每个随后未缓存的行；读取包括流式传输的行对和每个缓存的行；对于已读取的行，计算行中位于相同位置处的行的每对元素之间的逻辑与；以及采用一位加法器将每个已读取对中的所有元素对的逻辑与的结果相加，以获得同现率，其中，对二进制邻接矩阵中的行的连续块重复该计算步骤，直到二进制邻接矩阵的所有行对都被读取。

技术领域

以下描述涉及用于检测图中的网络模体(network motifs)的方法和系统，特别是考虑到模体的顶点对之间的同现率(co-occurrence)。

背景技术

图可以用于将众多领域(如物理学、计算机科学、生物学和社会学)中的大型数据集做成模型。特别地，图可以表示网络，即元素之间具有成对关系的系统。识别这些关系中的周期性模式(pattern)可以为系统的动态性提供有价值的见解。因此，需要对网络中所谓的网络模体进行快速和可靠的识别，即那些出现对统计是很重要的模体。在标准中央处理单元(CPU)的体系结构和基于图形处理器单元(GPU)的体系结构上检测大型数据集中的模体的计算过程非常耗时耗力。

Nurvitadhi等人在2014年提出的GraphGen框架或者Betkaoui等人在2011年在Graphlet计数案例研究中提出的框架为特定的图形操作生成特定的数据处理引擎。然而，它们不是定制的应用程序，且它们不是优化模体检测的性能，而是覆盖了广泛的图形问题。

本发明的目的是提供一种在吞吐量(throughput)、能量和内存要求方面能有效地检测网络模体的方法和系统。该目的通过独立权利要求中限定的方法和系统解决。优选的实施例是从属权利要求的主题。

发明内容

根据本发明的一个方面,提供了一种用于检测至少一个具有n个顶点和E条边的图中的同现率的计算机实现方法，其中,每条边由一对顶点限定。图可以被可视化为通过线(边)彼此连接的一组圆(顶点)，且可以示例性地用于表示社交网络。每个圆与用户相关联，且连接圆的线可以表示用户之间存在的关系，例如，“友谊”。两个互不相连的用户可能在社交网络上共享共同的朋友，即连接两个已选择的用户的用户。共同朋友的数量是两个已选择的用户之间的同现率。换句话说，图中两个给定顶点之间的同现率是顶点的数量，该顶点具有将顶点与两个给定顶点连接的边。

该方法包括将表示第一图的二进制邻接矩阵存储在存储器中。如所解释的，图可能以其顶点和顶点之间的关系为特征。如果连接两个顶点，则它们被定义为“相邻”。给定一对顶点，只有两种可能的相互排斥的情况：在两个顶点之间存在边或者没有边连接两个顶点。因此，一对顶点之间的关系处于二进制状态，且可以通过两个不同的值进行数学地描述，一个与存在的边相关，另一个与不存在的边相关。示例性地，可以将这两个值选择为“0”和“1”。每对顶点的0和1的集合可以完全表示一个图。方形矩阵可以为0和1的集合提供适当的结构，该方形矩阵中的每行(和每列)对应于顶点。也就是说，第m行第n列的通路表示如果它等于0，则不存在连接顶点m和n的边，且如果它等于1，则存在连接顶点m和n的边。二进制数字，即只能取两个数值的数字，可以存储在计算机系统的单独的一位存储器中。存储器是包括多个存储单元的数据存储设备，每个单元存储一个比特。计算存储器的一个例子可以是动态随机存取存储器(DRAM)，其允许高密度的存储器单元且因此适合于存储大量的数据。这样的存储器可以构成计算机系统的主存储器。通过二进制邻接矩阵表示图可以被认为是有利的，因为矩阵的每个通路仅需要一个比特。然而，如参考图1进一步详细解释的，当在邻接矩阵上执行时，计算同现率的操作本身可能是低效的。然而，结合如下所述的定制体系结构，使用邻接矩阵可有效地检测同现率。