圖數(shù)據(jù)的處理面臨龐大規(guī)模和復雜結構的制約.圖的概要化,旨在尋找一組簡潔的超圖或稀疏圖,闡明原始圖的主要結構信息或變化趨勢.針對屬性圖提出了基于編輯行為碼的概要模型,遵循最小描述長度原理（Minimum Description Length,MDL）,將結構的相似性和屬性的相似性統(tǒng)一為存儲代價,構建編輯行為碼.在此模型基礎上提出了Greedy算法和Random算法,存儲屬性和結構的編輯信息,生成高質量的超圖,并支持原始圖的重構.實驗結果表明本文提出的概要模型和算法相比于其他圖概要算法,在壓縮率和時間代價等指標上具有一定的優(yōu)越性. 

【文章來源】：電子學報. 2020,48(12)北大核心EICSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引言
2 相關工作
3 問題定義
4 概要方法
    4.1 MDL原理
    4.2 結構概要
    4.3 屬性概要
        4.3.1 WLD距離
        4.3.2 LZW編碼和解碼
5 概要模型
    5.1 代價函數(shù)
    5.2 過濾機制
    5.3 Greedy策略
    5.4 Random策略
    5.5 復雜度分析
6 實驗
    6.1 性能分析
        6.1.1 參數(shù)設置
        6.1.2 Greedy算法和Random算法
        6.1.3 模型構成
        6.1.4 小結
    6.2 對比實驗
    6.3 重構
    6.4 可視化
7 總結


【參考文獻】：
期刊論文
[1]異質網(wǎng)絡中基于節(jié)點影響力的相似度度量方法[J]. 劉露,胡封曄,牛亮,彭濤.  電子學報. 2019(09)
[2]基于采樣的大規(guī)模圖聚類分析算法[J]. 張建朋,陳鴻昶,王凱,祝凱捷,王亞文.  電子學報. 2019(08)
[3]圖概要技術研究進展[J]. 王雄,董一鴻,施煒杰,潘劍飛.  計算機研究與發(fā)展. 2019(06)



本文編號：3143658