Resumen

Hay dos modelos importantes para el anlisis de datos y sistemas de conocimiento: las retculas de cubo de datos y las retculas de conceptos. Ambas tienen estructuras de retcula, que en realidad son irregulares en nuestro mundo real. Sin embargo, sus caractersticas estructurales y relaciones an no estn claras. Hasta donde sabemos, ningn trabajo ha prestado suficiente atencin a este desafiante problema desde la perspectiva de los datos de grafo, a pesar de la importancia de las estructuras en los datos de retcula. En este documento, primero abordamos las estadsticas estructurales de los datos de retcula desde tres aspectos: la distribucin de grados, el coeficiente de agrupamiento y la longitud media de camino. Demostramos con varios conjuntos de datos que las retculas de cubo de datos y las retculas de conceptos comparten similitudes subyacentes en su topologa, que en general son diferentes de las redes aleatorias y las redes complejas. Especficamente, los datos de retcula siguen la distribucin 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