典型文献
融合启发式和Boosting的子图匹配基数估计方法
文献摘要：
由于在建模关联信息方面具备天然优势,图数据已在社交网络、知识表示等方面被广泛运用.但是相较于传统的关系型数据库系统,图数据管理中的以子图匹配为代表的一系列基础操作仍有进一步优化的空间.在一个完善的图数据库系统中,为实现多个子图匹配任务的优化调度,往往需要对每个任务的代价,尤其是匹配结果的基数进行准确预估.然而,现有的子图匹配基数预估方法缺乏对图结构信息的充分考量,且在多结点匹配中存在严重的潜在累计误差.BoostCard方法通过对各结点的邻域信息进行表示,来聚合结点的局部结构特征,同时运用统计方法估计不同结点之间连接成边的概率从而实现匹配基数的初步预测.而后在初期获取的结点结构特征的基础上,采用提升学习的思想对预测结果进行全局补偿,可实现智能化的子图匹配基数估计,是一种具有广泛适用性的子图匹配预测框架.通过实验可知,相比于传统的统计方法,BoostCard在真实数据集的子图匹配基数估计,尤其是多结点子图匹配问题上有明显的性能提升.
文献关键词：
图数据;子图匹配;基数估计;提升学习
中图分类号：
作者姓名：
侯文哲;赵翔
作者机构：
国防科技大学 信息系统工程重点实验室,长沙 410000
文献出处：
引用格式：
[1]侯文哲;赵翔-.融合启发式和Boosting的子图匹配基数估计方法)[J].计算机科学与探索,2022(03):582-590
A类：
BoostCard
B类：
启发式,Boosting,子图匹配,配基,基数估计,估计方法,联信,社交网络,知识表示,关系型数据库,数据库系统,数据管理,图数据库,优化调度,预估方法,图结构信息,多结,结点,邻域信息,局部结构特征,时运,统计方法,间连接,连接成,提升学习,真实数据,点子图,图匹配问题,性能提升
AB值：
0.262177
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
