时序图中爆发社区的挖掘

时序图无处不在。挖掘在一段时间内爆发的社区对于在时序图中寻找紧急事件至关重要。遗憾的是，以往大多数时序网络中的社区挖掘研究忽略了社区的爆发模式。在本文中，我们首次研究时序图中寻找爆发社区的问题。我们提出一种称为 (l, {\delta})-极大稠密核 的新模型来表示时序图中的爆发社区。具体而言，(l, {\delta})-极大稠密核是一个时序子图，其中每个节点在长度不小于 l 的时间段内平均度不小于 {\delta}。为计算 (l, {\delta})-极大稠密核，我们首先开发了一种新颖的动态规划算法，可高效计算段密度。然后，我们提出了一种带有若干新颖剪枝技术的改进算法以进一步提高效率。此外，我们还开发了一种高效算法来枚举所有在参数 l 和 {\delta} 方面不被其他核支配的 (l, {\delta})-极大稠密核。在 9 个真实数据集上的大量实验结果表明了我们算法的有效性、高效性和可扩展性。