论文部分内容阅读
大图,特别是社交网络,吸引了越来越多的学者关注,其中最重要的研究领域之一是图模式匹配,尤其是大图数据中的图模式匹配。利用图模式匹配,我们可以设计满足特殊个性化需求的模式图,并找到符合所需模式的子图。那么如何在特定领域有效地在大图中找到具有更好属性的图模式成为分析和处理大图数据的关键问题。为了在大图数据中快速的找到匹配子图以及在匹配子图集中快速的找到较优的匹配子图,本文提出一种新颖的基于可靠性的多模糊目标图模式匹配方法。本文的主要工作如下:(1)针对现有的网络多标签分类工作中,虽然只需要确定某些未知节点的标签,但必须推断出网络中所有节点的标签的情况,本文提出由已知标签信息的节点和目标标签节点以及它们之间的最短路径构成的多目标核心网络。(2)针对传统的多约束图模式匹配中用精确的数值判断社交的信任程度带有主观意识性以及选择更多更好的匹配子图的情况,本文引入了模糊数,提出一种多模糊目标图模式匹配方法,实验结果证明我们提出的方法可以选择更多更好的匹配子图。(3)针对传统的多约束图模式匹配中匹配子图中的某个节点可能出现故障的情况,本文引入可靠性的理论来评估一个匹配子图的可靠性,提出一种基于可靠性的多模糊目标图模式匹配方法,实验结果证明我们提出算法的有效性。(4)针对如何从众多的匹配子图中找出多个目标都是较优的匹配子图的问题,本文引入了多目标优化算法。