基于编辑行为码的图概要技术

发布时间：2021-04-17 15:02

　　图数据的处理面临庞大规模和复杂结构的制约.图的概要化,旨在寻找一组简洁的超图或稀疏图,阐明原始图的主要结构信息或变化趋势.针对属性图提出了基于编辑行为码的概要模型,遵循最小描述长度原理（Minimum Description Length,MDL）,将结构的相似性和属性的相似性统一为存储代价,构建编辑行为码.在此模型基础上提出了Greedy算法和Random算法,存储属性和结构的编辑信息,生成高质量的超图,并支持原始图的重构.实验结果表明本文提出的概要模型和算法相比于其他图概要算法,在压缩率和时间代价等指标上具有一定的优越性. 

【文章来源】：电子学报. 2020,48(12)北大核心EICSCD

【文章页数】：10 页

【文章目录】：
1 引言
2 相关工作
3 问题定义
4 概要方法
    4.1 MDL原理
    4.2 结构概要
    4.3 属性概要
        4.3.1 WLD距离
        4.3.2 LZW编码和解码
5 概要模型
    5.1 代价函数
    5.2 过滤机制
    5.3 Greedy策略
    5.4 Random策略
    5.5 复杂度分析
6 实验
    6.1 性能分析
        6.1.1 参数设置
        6.1.2 Greedy算法和Random算法
        6.1.3 模型构成
        6.1.4 小结
    6.2 对比实验
    6.3 重构
    6.4 可视化
7 总结


【参考文献】：
期刊论文
[1]异质网络中基于节点影响力的相似度度量方法[J]. 刘露,胡封晔,牛亮,彭涛.  电子学报. 2019(09)
[2]基于采样的大规模图聚类分析算法[J]. 张建朋,陈鸿昶,王凯,祝凯捷,王亚文.  电子学报. 2019(08)
[3]图概要技术研究进展[J]. 王雄,董一鸿,施炜杰,潘剑飞.  计算机研究与发展. 2019(06)



本文编号：3143658