大型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

　　时间图是一种无向图，其中每条边都关联一个表示交互时间的时间戳。作为图分析中的一个基本问题，时间图中的社区搜索（CS）已受到大量研究关注。现有关于时间图的社区搜索工作通常关注在特定时间窗口内识别内聚子图（例如，k-核）。然而，它们忽略了顶点的特定角色（例如，核心、枢纽），并且无法捕捉这些角色随时间的动态演变。在本文中，我们提出了一种新的社区模型，称为时间结构相似社区（TSC），该模型通过明确考虑不同时间窗口内顶点角色的演变来建模时间图中的社区。基于TSC，我们开发了快速在线算法和基于索引的算法，以支持在任意时间窗口上高效的TSC查询。在真实世界数据集上的大量实验证明了TSC模型在揭示有意义社区方面的有效性以及我们提出算法的高效性。AI 摘要AI 生成摘要（实验性）本摘要由自动化工具生成，未经文章作者撰写或审阅。其旨在辅助发现、帮助读者评估相关性，并帮助来自相邻研究领域的读者理解该工作。本摘要旨在补充作者提供的摘要，后者仍为论文的主要摘要。全文文章仍为权威的记录版本。点击此处了解更多关于ACM AI摘要的信息。点击此处对本摘要的准确性、清晰度和实用性进行评论。这将有助于为改进和未来重新生成的版本提供信息。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。