Social network ordering to reduce cache misses
Numérotation des graphes sociaux pour la réduction des défauts de cache
Résumé
One of social graph’s properties is the community structure, that is, subsets where nodes belonging to the same subset have a higher link density between themselves and a low link density with nodes belonging to external subsets. Futhermore, most social network mining algorithms
comprise a local exploration of the underlying graph, which consists in referencing nodes in the neighborhood of a particular node. The idea of this paper is to use the community structure to optimise the storage of large graphs that arise in social network mining. The goal is to reduce cache misses and
consequently, execution time. In this paper, after formalizing the problem of social network ordering as a problem of optimal linear arrangement, we propose NumBaCo, a heuristic for social network ordering using the community structure of social graphs. We present for Katz score and Pagerank,
simulations that compare existing data structures (bloc and yale) to their corresponding versions that use NumBaCo. Results on a NUMA (32 cores) machine using amazon, dblp and web-google datasets show that, using NumBaCo allows to reduce cache misses and consequently execution time. For example with Katz and amazon dataset, we reduced execution time by up to 21.6% (compared to bloc) and 20.6% (compared to yale); this reduction of the execution time matches with the reduction by 73% of cache misses.
L’une des propriétés des graphes sociaux est leur structure en communautés, c’est-à-dire en sous-ensembles où les nœuds ont une forte densité de liens entre eux et une faible densité de liens avec l’extérieur. Par ailleurs, la plupart des algorithmes de fouille des réseaux sociaux comportent
une exploration locale du graphe sous-jacent, ce qui amène à partir d’un nœud, à faire référence aux nœuds situés dans son voisinage. L’idée de cet article est d’exploiter la structure en communautés pour optimiser le stockage des grands graphes qui surviennent dans la fouille des réseaux sociaux.
L’objectif étant de réduire le nombre de défauts de cache avec pour conséquence la réduction du temps d’exécution. Dans cet article, après avoir formalisé le problème de numérotation des nœuds des réseaux sociaux comme un problème d’arrangement linéaire optimal, nous proposons NumBaCo, une heuristique pour la numérotation des nœuds tenant compte de la struture en communautés des graphes sociaux. Nous présentons pour le score de Katz et le Pagerank, des simulations comparant les structures de données existantes (bloc et yale) à leurs versions exploitant NumBaCo. Les résultats obtenus sur une machine NUMA (de 32 cœurs) à partir des jeux de données amazon, dblp et web-google montrent que NumBaCo contribue à diminuer les défauts de caches et par conséquent à réduire le temps d’exécution. Par exemple, avec Katz et sur amazon, nous avons une diminution du temps d’exécution pouvant aller jusqu’à 21.6% (comparé à bloc) et 20.6% (comparé à yale); cette diminution du temps d’exécution correspond à une réduction des défauts de cache de 73%.
Domaines
Informatique [cs]
Fichier principal
article_arima_numerotation_des_reseaux_sociaux.pdf (1.65 Mo)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|