大规模时序图中有效的结构相似社区搜索

《Proceedings of the ACM on Management of Data》:Effective Structurally Similar Community Search in Large Temporal Graphs

【字体: 大 中 小 】 时间:2026年10月22日 来源:Proceedings of the ACM on Management of Data

编辑推荐:

   摘要AI 摘要要查看此AI生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要时序图是一种无向图,其中每条边都与一个时间戳相关联,表示交互发生的时间。作为图分析中的基本问题,时序图上的社区搜索(CS)受到了大量研究关注。现有的时序图社区搜索工作通常聚焦于在特定时间窗口内识

  

摘要

摘要

时序图是一种无向图,其中每条边都与一个时间戳相关联,表示交互发生的时间。作为图分析中的基本问题,时序图上的社区搜索(CS)受到了大量研究关注。现有的时序图社区搜索工作通常聚焦于在特定时间窗口内识别紧密连接的子图(如 k核),但它们忽视了顶点的特定角色(如核心、枢纽),并未能捕捉这些角色随时间的动态演化过程。本文提出了一种新颖的社区模型,称为时序结构相似社区(TSC),该模型通过显式考虑顶点角色在不同时间窗口中的演化来对时序图中的社区进行建模。基于TSC,我们开发了高效的在线算法和基于索引的算法,支持在任意时间窗口上进行高效的TSC查询。在真实世界数据集上的大量实验表明,TSC模型在揭示有意义的社区方面具有有效性,且我们提出的算法具有高效性。

AI 摘要

AI生成的摘要(实验性功能)

此摘要使用自动化工具生成,未经文章作者撰写或审阅。它旨在支持发现功能,帮助读者评估相关性,并协助相邻研究领域的读者理解该工作。它意在补充作者提供的摘要,作者提供的摘要仍为论文的主要概述。全文仍为权威的版本记录。点击此处了解更多。

点击此处对此摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和未来的重新生成版本。

要查看此AI生成的通俗语言摘要,您必须拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号