1(东北大学计算机科学与工程学院 沈阳 110004); 2(北京理工大学计算机学院 北京 100081) (yishuwang@stumail.neu.edu.cn)
出版日期:
2018-09-01基金资助:
国家自然科学基金优秀青年科学基金项目(61622202);国家自然科学基金项目(61732003,61572119);中央高校基本科研业务费专项资金(N150402005,N171607010) This work was supported by the National Natural Science Foundation of China for Excellent Young Scientists (61622202), the National Natural Science Foundation of China (61732003, 61572119), and the Fundamental Research Funds for the Central Universities (N150402005,N171607010).Survey of Query Processing and Mining Techniques over Large Temporal Graph Database
Wang Yishu1,Yuan Ye1,Liu Meng1,Wang Guoren21(School of Computer Science and Engineering, Northeastern University, Shenyang 110004); 2(School of Computer Science and Technology, Beijing Institute of Technology, Beijing 100081)
Online:
2018-09-01摘要/Abstract
摘要: 时序图作为一种带有时间维度的图结构,在图数据的查询处理与挖掘工作中扮演着越来越重要的角色.与传统的静态图不同,时序图的结构会随时间序列发生改变,即时序图的边由时间激活.而且由于时序图上每条边都有记录时间的标签,所以时序图包含的信息量相较于静态图也更为庞大,这使得现有的数据查询处理方法不能很好地应用于时序图中.因此如何解决时序图上的数据查询处理与挖掘问题得到研究者们的关注.对现有的时序图上的查询处理与挖掘方法进行了综述,详细介绍了时序图的应用背景和基本定义,梳理了现有的时序图模型,并从图查询处理方法、图挖掘方法和时序图管理系统3个方面对时序图上现有的工作进行了详细的介绍和分析.最后对时序图上可能的研究方向进行了展望,为相关研究提供参考.
参考文献
相关文章 1
[1] | 张珩, 张立波, 武延军. 基于Multi-GPU平台的大规模图数据处理[J]. 计算机研究与发展, 2018, 55(2): 273-288. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3764