Resumen

Hay dos modelos importantes para el análisis de datos y sistemas de conocimiento: las retículas de cubo de datos y las retículas conceptuales. Ambas tienen estructuras de retícula, que en realidad son irregulares en nuestro mundo real. Sin embargo, sus características estructurales y relaciones aún no están claras. Hasta donde sabemos, ningún trabajo ha prestado suficiente atención a este desafiante problema desde la perspectiva de los datos de gráficos, a pesar de la importancia de las estructuras en los datos de retícula. En este artículo, primero abordamos las estadísticas estructurales de los datos de retícula desde tres aspectos: la distribución de grados, el coeficiente de agrupamiento y la longitud promedio de camino. Demostramos con diversos conjuntos de datos que las retículas de cubo de datos y las retículas conceptuales comparten similitudes subyacentes en su topología, que en general son diferentes de las redes aleatorias y las redes complejas. Específicamente, los datos de retícula siguen la distribución de Poisson y tienen un coeficiente de agrupamiento

• 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:Importante; Modelos; Análisis de datos; Sistema de conocimiento; Estructuras de rejilla; Características estructurales
• Keywords:Important; Models; Data analysis; Knowledge system; Lattice structures; Structural characteristics