[发明专利]一种面向动态二部图的Bitruss子图维护优化方法

说明书

本发明提供一种面向动态二部图的Bitruss子图维护优化方法，所述动态为在二部图G_p中插入或删除图S得到新的二部图G_c，包括以下步骤：S1.1：求解各个近似k‑bitruss，并通过比较得到J；S1.2：计算最大support；S1.3：设定需要维护的前n个k‑bitruss，并令参数j＝0；S1.4：在J和最大support之间取较大的值作为更新值k；S1.5：将更新值k分别与J和最大support进行比较，得到比较结果，并令j＝j+1；S1.6：根据比较结果对B(G_p，k)进行更新，得到对应的B(G_c，k)；S1.7：判断j是否等于n；若是，则完成对动态二部图的Bitruss子图的维护优化；若否，则令k＝k‑1，返回步骤S1.5。本发明提供一种面向动态二部图的Bitruss子图维护优化方法，解决了目前当只有一些边发生变化时，重新计算动态二部图所有的k‑bitruss的优化效率不够高的问题。

技术领域

本发明涉及图计算技术领域，更具体的，涉及一种面向动态二部图的Bitruss子图维护优化方法。

背景技术

二部图是图论中的一种，其顶点集可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属于这两个互不相交的子集，两个子集内的顶点不相邻。二部图是表示两类实体之间关系的一种自然方式，被广泛应用于不同的应用。在图挖掘领域中，一个基本任务是寻找其紧密子图(cohesive subgraphs)，这种子图可以提供一个指标来评估顶点，边以及连接的重要性。k-truss是一种紧密子图，其中每条边至少包含在k个三角形中。但是在一个二部图中不包含任何三角形，所以k-truss不适用于二部图。作为k-truss的变体，k-bitruss是二部图中一种紧密子图，其中每条边至少包含在k个四边形内,这里的四边形指的是一个由四个节点组成的完全二部图，其中两类顶点中分别包含两个节点。

大多数二部图都是高度动态的，随着时间会不断地有顶点和边加入或退出。但是，目前许多应用程序只关注动态二部图最密集的前n个k-bitruss，包括推荐系统、图形可视化和连通性分析等。因此，当只有一些边发生变化时，重新计算动态二部图所有的k-bitruss的优化效率不够高。

现有技术中，如2017年06月13日公开的中国专利，一种k-core-truss社区模型及分解、搜索算法，公开号为CN106844500A，能够对社区模型中的凝聚子图进行全面挖掘，但不适用于优化动态二部图的k-bitruss。

发明内容

本发明为克服目前当只有一些边发生变化时，重新计算动态二部图所有的k-bitruss的优化效率不够高的技术缺陷，提供一种面向动态二部图的Bitruss子图维护优化方法。

为解决上述技术问题，本发明的技术方案如下：

一种面向动态二部图的Bitruss子图维护优化方法，所述动态为在二部图G_p中插入或删除图S得到新的二部图G_c，包括以下步骤：

S1.1：求解二部图S的各个近似k-bitruss，并通过比较各个近似k-bitruss的k得到近似k-bitruss的最大k值为J；其中，近似k-bitruss表示一个每条边在父图中都包含在k个四边形中的最大子图；

S1.2：计算二部图G_p的最大support；其中，二部图中每条边的support表示在二部图中包含该边的四边形数；

S1.3：设定需要维护的前n个k-bitruss，并令参数j＝0；其中，k-bitruss表示最大子图；

S1.4：在J和二部图G_p的最大support之间取较大的值作为更新值k；其中，若J和二部图G_p的最大support一样大，则更新值k与近似k-bitruss的最大k相等；