文/劉慧娟

任何一個企業(yè)的組成或者結構都可以看成一個大的數(shù)據(jù)圖，那么這個問題就可以定義為：給定有向無環(huán)圖G，關鍵字的集合覆蓋問題主要回答找到k關鍵字，使k個關鍵字能夠覆蓋給定的屬性集合，并且這k個關鍵字的影響力最大，這是多種數(shù)據(jù)管理應用中的核心操作之一，如XML和RDF數(shù)據(jù)庫以及社交網(wǎng)絡和生物信息網(wǎng)絡等，是研究者廣泛關注的熱點問題。如日常生活中普遍存在的工程設計問題，在電網(wǎng)企業(yè)中人員調(diào)動、通信網(wǎng)絡安全、資源分配、電路設計、信息通信管理、運輸車輛路徑安排等領域有廣泛的應用，多年來吸引了眾多計算機科學家、運籌學研究人員的研究興趣。對這一問題，相繼有很多學者利用不同的思想提出了很多不同的算法。現(xiàn)有求解關鍵字覆蓋集合的方法主要分為四類，基于分數(shù)的貪心算法、基于鴿子洞的貪心算法、基于劃分的算法、基于劃分的優(yōu)質(zhì)算法。

1 背景知識及相關工作

本文用G=(V,E)表示有向無環(huán)圖，其中V表示G中的頂點集合，E表示G中有向邊的集合，|V|表示G中頂點的個數(shù)，|E|表示G中邊的個數(shù)。若(u,v)∈E，則說明G中有一條從u到v的邊，反之不存在。w(u,v)是從節(jié)點u到節(jié)點v概率，取值范圍是(0,1]。

在社交網(wǎng)絡G中，節(jié)點v的屬性集合用A(v)表示，如果屬性ai∈A(v)，那么節(jié)點v覆蓋屬性ai，否則就認為節(jié)點v沒有覆蓋屬性ai。節(jié)點集合覆蓋屬性集合A={a1, a2,…, am}當且僅當任意的屬性ai∈A，至少有一個節(jié)點v(v∈V′)覆蓋屬性ai。用V(A)表示節(jié)點集合，在集合中的每一個節(jié)點都能覆蓋屬性集A。集合屬性的劃分是基于覆蓋組的概念進行劃分的，設一個屬性集合Q和Q的一種局部劃分P={A1, A2, …, Am}令ri=|Ai|(i∈[1,m])是屬性Ai集合中元素的個數(shù)。集合R={r1, r2, …, rm}是P的覆蓋組。

2 PICS-IN方法

本節(jié)首先介紹索引結構，在每次查詢覆蓋特定屬性m的節(jié)點時，直接查找屬性m的倒排表即可，減少了時間代價來減少需要訪問的頂點數(shù)量，簡稱PICS-IN，然后介紹基于閾值的高效的剪枝策略，并將其應用于PICS-IN算法來提升系統(tǒng)性能。

2.1 離線索引結構

本文方法所使用的集合劃分策略是根據(jù)覆蓋組的方法進行劃分組合，覆蓋組，當判斷節(jié)點u的屬性是否能覆蓋屬性某一屬性m時，PICS-IN的基本思想是：首先根據(jù)圖1中節(jié)點集合中包含的所有不重復的屬性集合，建立屬性集合的倒排索引，選擇符合條件的節(jié)點集合。

給定一個屬性集合Q，一個正整數(shù)k，一個社交網(wǎng)絡G=(V, E, w, A)。圖中的每個節(jié)點都有屬性標簽，每個節(jié)點的屬性標簽的個數(shù)不同，其中也有的節(jié)點的屬性個數(shù)為0，圖1中，節(jié)點1到節(jié)點23之間每個節(jié)點的屬性標簽個數(shù)不一定相同，同一個屬性a可能會出現(xiàn)在多個節(jié)點中，例如節(jié)點1的屬性標簽集合是{a, b, c, d}，節(jié)點2的屬性集合是{a, b, c, e}，重復的屬性是{a, b, c}三個。建立的索引結構是關于節(jié)點的不重復的屬性集合A(V)和節(jié)點的索引，屬于離線索引。建立離線索引需要三步，首先遍歷節(jié)點集合V，然后對于每個節(jié)點v，遍歷節(jié)點v的屬性集合中任意的屬性a，最后把節(jié)點v放到屬性a的倒排表中，當遍歷完節(jié)點集合中的節(jié)點，以及節(jié)點集合中每個節(jié)點的屬性集合，那么就建立了屬性的倒排表。圖1中，節(jié)點集合為V={1, 2, 3, 4, …,23}，節(jié)點集合V中所有節(jié)點的不重復的屬性是{a, b, c, d, e, f}，把包含屬性集合中任一屬性的節(jié)點存放到屬性的倒排表中，遍歷節(jié)點集合V，訪問1號節(jié)點時，1號節(jié)點的屬性集合是{a, b, c, d}，那么就把1號節(jié)點分別添加到屬性a，b，c，d的倒排表中，建立的索引結構如圖2所示，那么建立的倒排索引中，屬性a的倒排表中是包含屬性a的節(jié)點，其他屬性也一樣。由圖1得到的屬性索引結構如上的表1所示。

2.2 高效的閾值剪枝策略

定理1(新生成組合的判斷條件)給定一個鏈表集合L1，L2，…，Lm，一個組合集合C，鏈表Li在第d層元組用表示，如果新生成的組合至少滿足以下條件之一，則直接把這個組合進行刪除，不再和集合C中其他的組合結合在一起產(chǎn)生新的組合，條件如下：

首先在已經(jīng)構建的倒排索引中，找到前k個能夠覆蓋給定的屬性集合Q中的屬性，并且有最大影響力的節(jié)點；其次，對于屬性集合Q每一個覆蓋組R，從已經(jīng)選擇的節(jié)點集合中取前k-|R|個節(jié)點作為自由集的解，并在已經(jīng)劃分的覆蓋組中除去已經(jīng)被自由集中的節(jié)點覆蓋的屬性；最后，根據(jù)PICS+算法中構建在線索引鏈表的方法，構建索引鏈表，即把覆蓋相同屬性個數(shù)的節(jié)點放在同一鏈表中，并把節(jié)點組合成元組的形式，如圖2所示，構建的在線的索引鏈表如表2所示。然后把鏈表中不同列的元組進行組合，利用取上界的Upperbound算法求出能夠覆蓋這些屬性并且影響力最大的節(jié)點，最后得到的這些節(jié)點就是受約束集Sp，最后返回的k個節(jié)點就是由自由集中的節(jié)點和受約束集中節(jié)點組成的并集。

3 結論

通過實驗對比現(xiàn)有的幾種算法和本文提出的PICS-IN算法的索引大小、創(chuàng)建索引的時間、查詢節(jié)點的時間以及實驗中需要訪問的頂點數(shù)量，通過幾種性能的對比，驗證了本文提出算法的結果的準確性和時間的高效性。最后對PICS-IN算法在取不同k值時，不同|Q|值時的查詢處理性能進行了實驗對比，進一步驗證了本文提出的PICS-IN算法的擴展性。

表1：屬性的索引結構

表2：覆蓋組的鏈表

集合覆蓋方法對企業(yè)物資的調(diào)度、電路的設計等起到了良好的推動作用，并通過數(shù)據(jù)分析，可以得出最優(yōu)的、最合理的解，也就是實際問題的解決辦法，集合覆蓋技術的研究將將大大的減少人工核算的人員和資源的浪費，為電網(wǎng)的發(fā)展提供更加合理化、數(shù)據(jù)化的理論支撐，更加準確、有效的推進企業(yè)規(guī)劃中的資源配置和部署。

圖1：有向無環(huán)圖G及頂點屬性標簽圖

圖2：有向圖G及節(jié)點的屬性標簽圖