做大数据不得不看的一篇分析—大图数据分析系统综述

现在互联网上涌现出了越来越多的应用,这些应用背后的数据结构日益复杂,已经超越了现有数据模型的表示能力。由于图数据模型的灵活性,越来越多的应用使用图数据模型来表示数据。

特别是近年来,随着社交网络与语义网的发展, 互联网上图数据的规模越来越大。例如,截止到 2017年底,微信上有将近10亿个活跃用户,这些用户相互关联与通信。仅在2016年春节期间,用 户就互相分发了32亿个微信红包。在语义网领域的Linked Open Data项目中,网络上有超过1184个RDF1图数据集,合计超过800亿条针对这些 规模巨大的图数据集,如何设计与实现高效的数据分析系统成为一个很重要的研究方向。
仅图片展示在这里插入图片描述
由于版权原因,暂时只分享部分内容,如果想要看到全部内容可以自行去[大图数据分析系统综述] (http://www.pbsti.com/science/EXQ9wnoT5Mn1JfR5un3m7pOrInwxGkQEn218lcw1PXw=.html)获取文献,或者直接私信我哈,如果我看到会及时回复。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值