高瓴人工智能学院2篇论文被VLDB 2021和VLDB Journal录用

高瓴人工智能学院教授魏哲巍作为通讯作者的2篇论文被国际顶级期刊会议VLDB 2021和VLDB Journal录用。VLDB是数据管理与数据库领域的三大国际顶尖学术会议之一，VLDB Journal是数据库领域的顶级国际期刊。二者均被中国计算机学会（CCF）推荐为A类国际会议/期刊。

论文题目： Massively Parallel Algorithms for Personalized PageRank（VLDB 2021）

作者：侯冠豪，陈星光，王思博，魏哲巍

通讯作者：王思博，魏哲巍

论文概述：Personalized PageRank(PPR)是一种图节点邻近度的衡量方式，被广泛应用于社交推荐、个性化搜索、社区发现等领域。随着大数据时代的到来，超大规模图数据上的PPR计算问题往往无法在单机上完成。本篇论文重点关注于PPR的并行计算问题，基于Massively Parallel Computing（MPC）模型，在固定机器负载的前提下，设计了一种通讯轮数（rounds）更少的并行PPR算法Delta-Push。此外，该算法还可以根据机器数的变化，进一步调整通讯轮数。大量实验表明，Delta-Push的性能好于现有并行PPR算法。

论文题目： ExactSim: Benchmarking Single-Source SimRank Algorithms with High-Precision Ground Truths（VLDB Journal）

作者：王涵之（博士生），魏哲巍，刘钰，袁野，杜小勇，文继荣

通讯作者：魏哲巍

论文概述：SimRank作为图节点相似度衡量方向的代表性算法，在链接预测、网络分析等领域均有广泛应用。然而，目前唯一能够精确计算单源SimRank的方法Power Method受限于其高昂的计算复杂度而无法应用于大规模图集，近年来提出的多种SimRank近似算法也因为精确结果的缺乏而无法得到科学的性能评估。本篇论文详细调研了现有的支持大规模图数据的单源SimRank近似算法，分析了其无法实现精确查询的原因。基于这一分析，本篇论文提出了首个支持大规模图集上单源SimRank精确计算的算法ExactSim，并且通过严格的理论证明保证这一结果以高概率达到10^(-7)的误差精度。此外，本篇论文首次使用ExactSim计算得到的单源SimRank精确结果，评估了现有近似算法的性能表现，探寻了大规模真实图和合成图上SimRank的分布情况和密度性质。

来源：高瓴人工智能学院