針對(duì)稀疏子圖發(fā)現(xiàn)問題中使用高維稀疏向量表示網(wǎng)絡(luò)信息存在的時(shí)間和空間消耗大的問題,提出一種基于網(wǎng)絡(luò)嵌入的稀疏子圖發(fā)現(xiàn)（TGF）算法。該算法首先通過(guò)網(wǎng)絡(luò)嵌入的方法將網(wǎng)絡(luò)結(jié)構(gòu)映射到低維空間中,得到節(jié)點(diǎn)的低維向量表示;然后定義向量空間中的稀疏子集發(fā)現(xiàn)問題,將稀疏子圖發(fā)現(xiàn)問題轉(zhuǎn)化為稀疏子集發(fā)現(xiàn)問題;迭代搜索局部密度最低的樣本點(diǎn)并對(duì)其進(jìn)行擴(kuò)張,最終找到一個(gè)滿足條件的最大稀疏子集。實(shí)驗(yàn)結(jié)果表明,在Synthetic₁000數(shù)據(jù)集上與TERA（Triangle and Edge Reduction Algorithm）和WK（Weight of K-hop）算法相比,TGF算法的搜索效率是TERA的1 353倍,是WK算法的4倍,并且在k-line、k-triangle和k-density指標(biāo)上也取得了較優(yōu)的結(jié)果。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(10)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 相關(guān)研究
    1.1 稀疏子圖發(fā)現(xiàn)
    1.2 網(wǎng)絡(luò)嵌入
2 基于網(wǎng)絡(luò)嵌入的稀疏子圖發(fā)現(xiàn)算法
    2.1 節(jié)點(diǎn)網(wǎng)絡(luò)嵌入學(xué)習(xí)
    2.2 稀疏子集發(fā)現(xiàn)
    2.3 時(shí)間復(fù)雜度分析
3 實(shí)驗(yàn)與結(jié)果分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)集
    3.2 對(duì)比算法和評(píng)估指標(biāo)
    3.3 整體結(jié)果分析
    3.4 參數(shù)敏感性分析
    3.5 實(shí)例分析
    3.6 時(shí)間性能分析
4 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]大規(guī)模復(fù)雜信息網(wǎng)絡(luò)表示學(xué)習(xí):概念、方法與挑戰(zhàn)[J]. 齊金山,梁循,李志宇,陳燕方,許媛.  計(jì)算機(jī)學(xué)報(bào). 2018(10)
[2]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國(guó)科學(xué):信息科學(xué). 2017(08)



本文編號(hào)：3166924