提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
3.中间结果的维护 incremental maintenance of intermediate results
3.1 数据中心表示 data centric representation
1.摘要&介绍
动态图由初始图和由边插入和删除组成的图更新流定义。识别和监控动态图中的关键模式在各种应用领域中非常重要,如欺诈检测、网络安全和应急响应。给定一个动态数据图和一个查询图,一个连续子图匹配系统报告边插入的正匹配,并报告边删除的负匹配。以前的系统显示出显著的低吞吐量,因为每个边更新的重复子图匹配或保持巨大的中间结果的昂贵开销。我们提出了一个快速连续子图匹配系统TurboFlux,它通过快速图更新流提供高吞吐量。TurboFlux采用了中间结果的简明表示,其执行模型允许快速增量维护。我们的实证评估表明,涡轮通量的表现明显超过现有的竞争对手高达6个数量级。
3.中间结果的维护 incremental maintenance of intermediate results
3.1 数据中心表示 data centric representation
在存在循环的情况下,删除一些非树边,所以现在假设查询图都是一个树的表现形式。
定义4:显示边
查询图可以匹配的边,用实线表示
定义5:隐式边
查询图不可以匹配的边,用虚线表示
TurboFlux使用了“检查和避免”的方法。它首先检查要插入的中间结果(即边缘)是否已经在DCG中构建,然后我们简单地避免构建它们,这比生成和丢弃策略更有效。
3.2 边转换模型
边缘转换模型使用DCG来有效地识别哪些更新操作会影响当前的中间结果和/或有助于正/负匹配。
EL算法就是说重复执行Transition1-5,知道再也没有可以转化的状态。
4.TURBOFLUX算法
把所有的边标记起来,如果数据图g中可以出现一个被标记的查询图q,则在根节点执行子图匹配。
总结
论文演讲视频:
https://www.youtube.com/watch?v=0BAyhMs5ggg
- TurboFlux是一个快速、连续的子图匹配系统。
- 以数据为中心的图形是用于存储部分解的简明表示。
- 边沿转换模型可识别哪些更新操作会影响 DCG 并有助于正/负匹配。
- 广泛的实验表明,TurboFlux的表现比现有的竞争对手高出一个数量级。