Question

我有一个图表，包含大约35,000个以纯文本表示的节点：

node1 -> node35000
node29420 -> node35000
node2334 -> node4116
...

我想通过删除不属于链的节点至少三个长来减少它。所以，如果我只有

1 -> 2;
2 -> 3;
3 -> 4;
0 -> 4;

我想保留1,2,3和4（因为1 -> 2 -> 3 -> 4是四个节点长）但丢弃0，即删除0 -> 4。

有什么好办法吗？我尝试了Perl和shell函数的组合，但我认为我需要一个更好的方法。除非有工具可以做到这一点？数据采用graphviz格式，但我没有看到该套件中的任何工具与手头的任务相关。

哦，如果有一种简单的方法可以做这样的事情我会接受建议 - 它不一定是我建议的任务。我只是想找到一种方法来消除大块周围的大部分噪音（很少见，而且大部分只是几条相交的链条）。

Answer 1

作为gvpr一部分的工具graphviz tools允许将规则应用于图表并输出修改后的图表。

来自说明：

它将输入图复制到其输出，可能会改变它们的输出结构和属性，创建新图表，......

看起来你想删除所有具有0的indegree并且只有一个outdegree为0的链接节点（后继者）的节点。

以下是我的gvpr脚本nostraynodes.gv的版本：

BEGIN {node_t n; int candidates[]; int keepers[];}
E{
  if (tail.indegree == 0 && head.outdegree == 0)
  {
    candidates[tail] = 1;
    candidates[head] = 1;
  }
  else if (tail.indegree == 0)
  {
    keepers[tail] = 1;
  }
  else if (head.outdegree == 0)
  {
    keepers[head] = 1;
  }
}

END_G {
  for (candidates[n]){
    if (n in keepers == 0)
    {
       delete(NULL, n);
    }
  }
}

这是脚本的作用：

遍历所有边一个时间并填充两个列表：
- 候选人 - 可能必须删除的节点列表，
- keepers - 可能最终位于候选人但不应删除的节点列表。
那么什么被添加到哪个列表？
- 任何两个相互连接的节点，其中尾节点没有任何传入边，头节点没有任何传出边，形成一个只有2个节点的链，因此候选被删除;也就是说，除非相同的节点是长于2个节点的另一个链的一部分：
- 没有任何传入边缘但连接到本身具有传出边缘的头节点的尾节点是保持器;和
- 没有任何传出边缘但连接到本身有传入边缘的尾节点的头节点也是 keeper 。
删除 keepers

候选人

此解决方案不通用，仅适用于问题中所述的问题，即仅保留链长度至少为3个节点。它也不会删除短循环（两个节点相互连接）。

您可以使用以下行来调用它：

gvpr -c -f .\nostraynodes.gv .\graph.dot

使用示例图表的输出是：

digraph g {
    1 -> 2;
    2 -> 3;
    3 -> 4;
}

请注意，这是我的第一个gvpr脚本 - 可能有更好的方法来编写这个，我不知道它如何处理35000个节点，但我相信这不应该是一个大问题

另请参阅Graphviz/Dot - how to mark all leaves in a tree with a distinctive color?以获得更简单的图转换示例。

Answer 2

Gephi是一个出色的开源GUI工具，用于可视化和操作图形，你可能会在那里找到某种类型的过滤器...也许一个度过滤器会做：它会删除只有一条边的节点。你也可以过滤度数，度数，你可以计算PageRank等。它也有一些非常好的尺寸/标签/颜色选项，很容易放大/缩小。

Answer 3

假设任何给定节点可以有任意多个前驱或后继节点，那么节点的内度和外度与解决问题无关。

以下是针对路径长度为3的标准的N个节点和E边缘的所有图形的简单O（N + E）算法。该算法可以在Perl或C中轻松实现。该方法基于定义和断言：将“制造节点”定义为具有父节点和子节点（前导节点和后继节点节点）的任何节点。将保留的每个节点都是一个节点，或者是一个节点的父节点或子节点。

将状态数组S [Nmax]初始化为全零。 Nmax是最大节点数。如果一开始就不知道Nmax，请阅读所有数据并找出它。
读入给定的边缘列表。每个输入项指定从节点p到节点q的有向边（p，q）。对于读入的每个（p，q）项：将S [p]设置为S [p] | 1表示p具有子节点，并将S [q]设置为S [q] | 2表示q有父母。（在此步骤之后，每个节点n都有S [n] == 3.）
再次阅读边缘列表。对于读入的每个（p，q）项：If（S [p] == 3）或（S [q] == 3）输出边（p，q）。

要将此方法扩展到3以外的路径长度K，请将边列表保留在内存中，使用父链和子链的长度维护Sp []和Sc []，并执行K / 2次额外传递。可能在时间O（N + K * E）做。该问题没有指定图是否是DAG（有向无环图），但给出的示例是DAG。对于K> 3，它可能会有所不同。

更新1 以下是K> 3算法的更精确的陈述，其中H [i] .p和H [i] .q是边缘#i的端点，并且pc [j] ，cc [j]是关于节点j的前任和后继链的长度。另外，设E =边缘数; N =节点数;和K =保持边缘所需的最小链长。

将E个边缘数据条目读入H []数组。将所有pc [j]，cc [j]条目设置为0。
对于i = 1到E，设置cc [H [i] .p] = 1且pc [H [i] .q] = 1.
对于j = 1至K + 1，{i = 1至E，{令p = H [i] .p且q = H [i] .q。设定cc [p] = max（cc [p]，1 + cc [q]）和pc [q] = max（pc [q]，1 + pc [p]）。 }
对于i = 1至E，{令p = H [i] .p且q = H [i] .q。输出边沿（p，q），如果pc [p] + cc [p] +1＆gt; = K且pc [q] + cc [q] +1＆gt; = K.}

如果图形不是DAG并且包含短循环路径，则此方法可能会出错。例如，如果图形边缘包括（1,2）和（2,1）并且没有其他节点链接到节点1或2，则不应输出这些边缘;但是我们最终得到了那些节点的cc []和pc []的K + 2，所以无论如何它们都会得到输出。

修剪杂散节点的大图

3 个答案: