王广香:基于频繁结构的大规模动态图子图查询方法研究论文

王广香:基于频繁结构的大规模动态图子图查询方法研究论文

本文主要研究内容

作者王广香(2019)在《基于频繁结构的大规模动态图子图查询方法研究》一文中研究指出:随着科技的不断进步和发展,图作为一种重要的数据结构已广泛应用于各种新兴领域,如社交网、蛋白质交互网、生物信息网、智能交通网等。近年来,互联网用户数量的飞速增长和网络技术的深度发展,导致图数据规模日益庞大且动态变化。如何对大规模动态图进行有效的管理成为当前图数据领域研究的热点问题。子图查询作为重要的图搜索技术,因为其可以更具针对性地为用户返回查询结果而被广泛研究。传统算法处理大规模图子图查询效率低下,现有子图查询方法多通过建立索引或进行图压缩来加快查询。频繁结构在数据图中频繁稳定存在,并隐藏大量有用信息,很多方法对其建立索引以加速查询。但其多受查询图类型限制,难以满足任意查询需求并适应于任意大图数据查询。此外,已有研究多忽略大图数据的快速更新,难以处理动态图查询。为此,本文利用索引查询优势,提出了一种基于频繁结构的大规模动态图子图查询方法(subgraph query based on frequent structure in large-scale dynamic graph,FS-DSQ)。本文的主要研究工作如下:(1)充分分析频繁结构特征,提出旋转对称频繁结构,线下挖掘数据图中的该结构及对应子图,并建立旋转对称频繁结构索引(RSFS索引)以方便查询。提出索引的增量式动态维护策略,充分考虑频繁I/O及网路通信开销等因素,利用定时更新取代实时更新,根据变化类型不同,提出点、边增加和点、边删除两种动态维护策略,只对变化的索引项进行更新,避免全局更新带来的巨大开销。(2)提出大规模动态图子图查询方法,包括查询图分解、基于RSFS索引的动态查询。首先,提出基于最大分解原则的查询图拆解算法,将查询图逐步拆解为RSFS索引中其最大子集结构的集合。然后,进行子图优化查询与连接。利用RSFS索引对各拆解结构进行优化查询,利用前置结构查询序列L及公共点等信息形成查询约束,约束后置结构查询,快速过滤掉不满足约束的子图结果,仅保留有效的可连接子图结果集。利用旋转对称结构特征优势,对中间结果进行快速连接,形成查询结果。最后,利用收集的图变化操作,动态修正查询结果,以获得最终查询结果。(3)基于真实数据集和模拟数据集进行实验验证,从索引创建时间、存储开销、子图查询时间、索引更新时间四个方面与多种算法进行对比,在空间和时间上证明了本文算法的有效性。

Abstract

sui zhao ke ji de bu duan jin bu he fa zhan ,tu zuo wei yi chong chong yao de shu ju jie gou yi an fan ying yong yu ge chong xin xing ling yu ,ru she jiao wang 、dan bai zhi jiao hu wang 、sheng wu xin xi wang 、zhi neng jiao tong wang deng 。jin nian lai ,hu lian wang yong hu shu liang de fei su zeng chang he wang lao ji shu de shen du fa zhan ,dao zhi tu shu ju gui mo ri yi pang da ju dong tai bian hua 。ru he dui da gui mo dong tai tu jin hang you xiao de guan li cheng wei dang qian tu shu ju ling yu yan jiu de re dian wen ti 。zi tu cha xun zuo wei chong yao de tu sou suo ji shu ,yin wei ji ke yi geng ju zhen dui xing de wei yong hu fan hui cha xun jie guo er bei an fan yan jiu 。chuan tong suan fa chu li da gui mo tu zi tu cha xun xiao lv di xia ,xian you zi tu cha xun fang fa duo tong guo jian li suo yin huo jin hang tu ya su lai jia kuai cha xun 。pin fan jie gou zai shu ju tu zhong pin fan wen ding cun zai ,bing yin cang da liang you yong xin xi ,hen duo fang fa dui ji jian li suo yin yi jia su cha xun 。dan ji duo shou cha xun tu lei xing xian zhi ,nan yi man zu ren yi cha xun xu qiu bing kuo ying yu ren yi da tu shu ju cha xun 。ci wai ,yi you yan jiu duo hu lve da tu shu ju de kuai su geng xin ,nan yi chu li dong tai tu cha xun 。wei ci ,ben wen li yong suo yin cha xun you shi ,di chu le yi chong ji yu pin fan jie gou de da gui mo dong tai tu zi tu cha xun fang fa (subgraph query based on frequent structure in large-scale dynamic graph,FS-DSQ)。ben wen de zhu yao yan jiu gong zuo ru xia :(1)chong fen fen xi pin fan jie gou te zheng ,di chu xuan zhuai dui chen pin fan jie gou ,xian xia wa jue shu ju tu zhong de gai jie gou ji dui ying zi tu ,bing jian li xuan zhuai dui chen pin fan jie gou suo yin (RSFSsuo yin )yi fang bian cha xun 。di chu suo yin de zeng liang shi dong tai wei hu ce lve ,chong fen kao lv pin fan I/Oji wang lu tong xin kai xiao deng yin su ,li yong ding shi geng xin qu dai shi shi geng xin ,gen ju bian hua lei xing bu tong ,di chu dian 、bian zeng jia he dian 、bian shan chu liang chong dong tai wei hu ce lve ,zhi dui bian hua de suo yin xiang jin hang geng xin ,bi mian quan ju geng xin dai lai de ju da kai xiao 。(2)di chu da gui mo dong tai tu zi tu cha xun fang fa ,bao gua cha xun tu fen jie 、ji yu RSFSsuo yin de dong tai cha xun 。shou xian ,di chu ji yu zui da fen jie yuan ze de cha xun tu ca jie suan fa ,jiang cha xun tu zhu bu ca jie wei RSFSsuo yin zhong ji zui da zi ji jie gou de ji ge 。ran hou ,jin hang zi tu you hua cha xun yu lian jie 。li yong RSFSsuo yin dui ge ca jie jie gou jin hang you hua cha xun ,li yong qian zhi jie gou cha xun xu lie Lji gong gong dian deng xin xi xing cheng cha xun yao shu ,yao shu hou zhi jie gou cha xun ,kuai su guo lv diao bu man zu yao shu de zi tu jie guo ,jin bao liu you xiao de ke lian jie zi tu jie guo ji 。li yong xuan zhuai dui chen jie gou te zheng you shi ,dui zhong jian jie guo jin hang kuai su lian jie ,xing cheng cha xun jie guo 。zui hou ,li yong shou ji de tu bian hua cao zuo ,dong tai xiu zheng cha xun jie guo ,yi huo de zui zhong cha xun jie guo 。(3)ji yu zhen shi shu ju ji he mo ni shu ju ji jin hang shi yan yan zheng ,cong suo yin chuang jian shi jian 、cun chu kai xiao 、zi tu cha xun shi jian 、suo yin geng xin shi jian si ge fang mian yu duo chong suan fa jin hang dui bi ,zai kong jian he shi jian shang zheng ming le ben wen suan fa de you xiao xing 。

论文参考文献

  • [1].大规模动态标签图Top-K兴趣子图查询方法研究[D]. 贾春杰.辽宁大学2019
  • [2].分布式环境下大规模图数据的密集子图发现方法研究[D]. 李荣荣.北京交通大学2019
  • [3].不确定图下的稠密子图挖掘研究[D]. 黄睿智.浙江工业大学2018
  • [4].图在点度数限制下的大导出子图[D]. 黄子扬.中国科学技术大学2019
  • [5].单图中子图大小相关的近似频繁子图挖掘[D]. 窦建凯.华东师范大学2019
  • [6].稳定频繁子图挖掘算法研究[D]. 闫靓.辽宁大学2018
  • [7].顶点加权图的最密集子图算法设计与实现[D]. 刘钟凌.广州大学2018
  • [8].关于图的Hamilton性的禁用子图条件[D]. 邹艳梅.华东师范大学2018
  • [9].面向大图数据的子图相似匹配算法研究与实现[D]. 张迎.东北大学2015
  • [10].k核心子图查询算法研究[D]. 朱杰.燕山大学2016
  • 读者推荐
  • [1].面向图的分布式流计算关键技术研究[D]. 余梦笛.电子科技大学2019
  • [2].基于稠密网格聚类的图数据表示方法研究[D]. 张琪.桂林电子科技大学2019
  • [3].标签图的精确子图匹配算法研究[D]. 周思琪.桂林电子科技大学2019
  • [4].大规模动态标签图Top-K兴趣子图查询方法研究[D]. 贾春杰.辽宁大学2019
  • [5].面向PowerGraph的性能优化研究与实现[D]. 董志斌.电子科技大学2019
  • [6].面向大图数据的图模式匹配研究[D]. 张芳.合肥工业大学2019
  • [7].单图中子图大小相关的近似频繁子图挖掘[D]. 窦建凯.华东师范大学2019
  • [8].面向大规模图数据的分布式子图匹配算法研究[D]. 许文.中北大学2019
  • [9].基于图的RDF数据存储与查询技术研究[D]. 段文静.桂林电子科技大学2019
  • [10].知识图谱中子图查询技术研究[D]. 李新锋.华中科技大学2017
  • 论文详细介绍

    论文作者分别是来自辽宁大学的王广香,发表于刊物辽宁大学2019-09-05论文,是一篇关于大规模动态图论文,子图查询论文,旋转对称频繁结构论文,查询图分解论文,动态查询论文,辽宁大学2019-09-05论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自辽宁大学2019-09-05论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    王广香:基于频繁结构的大规模动态图子图查询方法研究论文
    下载Doc文档

    猜你喜欢