流式子蝴蝶的尺度不变强度同配性

二部图是结构特征丰富且应用广泛的数据结构。然而，人们对其增长模式尤其是流环境下的增长模式知之甚少。当前工作研究静态或聚合时间图的模式，这些工作针对特定下游分析优化，或忽略了多部/非平稳数据分布、子图涌现模式与流范式。为此，我们对网络日志流进行统计网络分析，识别出介观构建块(称为蝴蝶的2,2-二部团)突发性涌现背后的主导模式，并引出我们称之为“流式子蝴蝶的尺度不变强度同配性”的现象。我们给出了该现象的图论解释。我们进一步在流增长算法sGrow中引入一组微观机制以精确定位生成起源。sGrow支持流范式、4顶点图lets的涌现，并为尺度、突发性、强度同配水平、乱序记录概率、生成时间与时间敏感连接提供用户指定配置。在模式复现与压力测试上的综合评估验证了sGrow在实现所观察模式时的有效性、高效性与鲁棒性，且独立于初始条件、尺度、时间特征与模型配置。理论与实验分析证实了sGrow基于影响流尺度与突发性、强度同配水平、乱序流记录概率、生成时间与时间敏感连接的用户指定配置生成流图的鲁棒能力。