多流边的內容相关性

我们研究如何在不存储整个图的情况下，检测由边流定义的图中的簇。我们将该方法扩展到由流中最近边定义的动态图以及多个流。两条流的內容相关性 $\rho(t)$ 是它们在时间 $t$ 之前窗口中簇的 Jaccard 相似度。我们提出一种简单高效的方法在线近似该相关性，并表明对于遵循幂律度分布的动态随机图，我们可保证良好的近似。作为一个应用，我们跟踪 Twitter 流并在线计算其内容相关性。随后我们提出一种基于相关性的搜索，其中对关键词集合的应答完全基于流的微小相关性。应答按相关性排序，且可通过存储的簇追溯解释。