深度时间图集群:一个全面的基准和数据集

科学领域:

• 计算机科学 计算机科学
• 数据挖掘 数据挖掘
• 网络分析 网络分析

背景情况:

• 时间图集群 (TGC) 是一个新兴的研究领域,专注于随时间演变的图中集群节点.
• 现有的静态图集群方法对于时间图是不够的,因为它们的动态性质和需要时空平衡.
• 关键的挑战包括缺乏适用的集群技术和适合的数据集来评估TGC方法.

研究的目的:

• 引入BenchTGC,这是一个全面的基准,旨在促进时间图集群研究.
• 解决当前的时间图的集群技术和数据集的局限性.
• 建立一个标准化的框架和数据集,用于评估和推进TGC方法.

主要方法:

• 开发BenchTGC框架,概述时间图集群的范式.
• 适应和改进现有的聚类技术,适用于时间图数据.
• 创建专门为TGC任务设计的新数据集,解决公共时间图数据集的局限性.

主要成果:

• 广泛的实验验证了拟议的BenchTGC基准的有效性和优势.
• 这项研究表明了专用时间图集群方法的必要性和重要性.
• 经验证据支持BenchTGC数据集和评估TGC算法的框架的适用性.

结论:

• BenchTGC为推进时间图集群研究提供了一个至关重要的资源.
• 该基准强调了动态,现实世界的图形场景所带来的独特挑战和机遇.
• 开发的框架和数据集为更强大,更有效的时间图分析铺平了道路.