一种新的复杂网络概述算法研究

针对大型复杂网络相关的概述问题展开了深入系统地研究,本文重点对属性与结构的相似度进行了全面考量,由于用户具有各自的选择属性,主要是将虚拟连接与实连接进行有效的集成,一般而言,对于大型网络数据会同时把具有相同属性的节点共同放置于k个非重叠的分类上.本文主要是以属性相似度为核心,然后将节点全部置于对应的分类中,重点采用了虚拟图概念,主要是围绕属性相似度开展的,旨在较好的划分复杂网络.另外,对子分类进行调整的过程中借助了HB-图,这样可以有助于在分类结构时,对算法进行优化.该论文为了更好地加强算法的执行效率,专门提出了诸多方法对算法加以改进.也就是说,该论文中所采用的算法,能够确保用户较好地对上卷操作(Roll-up)以及下钻操作(Drill-down)加以执行,并且,围绕各粒度层面为中心,对复杂网络的概述过程展开全面的分析.实验结果表明本文提出的基于虚连接和实连接的复杂网络概述算法OCNVR算法是切实可行的,较之于其他算法而言其执行效率更加高校.