Resumen

La coincidencia de subgrafos en un grafo grande se ha convertido en un tema de investigación popular en el campo del análisis de grafos, que tiene una amplia gama de aplicaciones, incluyendo la respuesta a preguntas y la detección de comunidades. Sin embargo, la estrategia tradicional de corte de bordes destruye la estructura del conocimiento indivisible en un grafo RDF grande. Sobre la base del equilibrio de carga en la división de subgrafos, se propone una estrategia de partición dominante para dividir un grafo RDF grande sin comprometer la estructura del conocimiento. En primer lugar, se extrae un grafo de patrón conectado por dominancia de un grafo de patrón para construir un hipergrafo de patrón particionado por dominancia, que divide un grafo de patrón en múltiples subgrafos de patrón en forma de pez. En segundo lugar, se utiliza una estrategia de agrupamiento de espectro impulsado por dominancia para reunir los subgrafos de patrón en múltiples grupos. En tercer

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Coincidencia de subgráficos; Grafo grande; Grafo RDF; Estrategia de partición de dominancia; Agrupamiento de espectro; Escalabilidad
• Keywords:Subgraph matching; Large graph; RDF graph; Dominance-partitioned strategy; Spectrum clustering; Scalability