摘要:
针对传统算法由于时间或空间复杂度过高而难以实现标签图规模增大且动态变化情况下的Top-K子图查询问题,提出一种适用于大规模标签图的动态Top-K兴趣子图查询方法。该方法建立包括节点拓扑结构特性和边特性的图拓扑结构特性索引(GTSF),利用该索引可有效剪枝过滤不满足限制条件的无效节点及边;基于GTSF索引提出多因素候选集过滤策略,通过对查询图候选集进一步剪枝以获得较少的候选集;提出的Top-K兴趣子图匹配验证方法将分为初始匹配和动态修正两个阶段,尽可能保证查询结果的实时、准确。大量实验结果表明,提出方法相比RAM、RWM算法的索引创建时间较短且占用空间较少,能有效处理大规模标签图中的动态Top-K兴趣子图查询。
中图分类号: