文献

J-GLOBAL ID：201702291776934140   整理番号：17A1646860

Hadoopを用いた最大クリーク問題を解くための並列グラフ分割フレームワーク【Powered by NICT】

Parallel graph partitioning framework for solving the maximum clique problem using Hadoop

著者 (4件)： Guo Jingjin (School of Computer Science and Software, Hebei University of Technology, Tianjin, China) ,  Zhang Suqi (School of Information Engineering, Tianjin University of Commerce, Tianjin, China) ,  Gao Xing (School of Computer Science and Software, Hebei University of Technology, Tianjin, China) ,  Liu Xiaowei (School of Computer Science and Software, Hebei University of Technology, Tianjin, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBDA  ページ： 186-192  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： グラフパターンマイニングは新たな社会的ネットワーク科学の重要な部分であり,最大クリーク問題の研究は最も重要な研究分野の一つである。ビッグデータ環境において,グラフ中のエッジのノードと複雑さの量は最大クリーク(MCP)研究の速度と精度に及ぼす高い要求を設定した。本論文では,Hadoopに基づく最大クリーク問題(PPMC)を解くための並列グラフ分割フレームワークを提案した。最初に,本論文では,度選別(GPD)に基づく新しいグラフ分割法を提示し,部分グラフスケールは大きく減少した。最大クリーク問題を解くためのワークロードをバランスさせるために。第二に,著者らにより提案されている改良アントアルゴリズムは各部分グラフの最大クリークを解いた。最後に,フレームワークは,Hadoop分散クラウドコンピューティングプラットフォーム上で展開され,スタンフォード大規模データセットによって試験した。実験結果は,GPDアルゴリズムは,部分グラフスケール,部分グラフ数,および大規模インスタンスの最大クリーク問題を解くための時間と空間の複雑さを大幅に低減できることを示した。そして最大クリーク問題を解くためのHadoopに基づく並列グラフ分割フレームワークの効率とスケーラビリティをさらに証明した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 部分グラフ ,  *グラフ ,  アルゴリズム
準シソーラス用語： 大規模データセット ,  *最大クリーク ,  複雑性 ,  ビッグデータ ,  社会的ネットワーク ,  *グラフ分割 ,  *最大クリーク問題 ,  *Hadoop , 【Automatic Indexing@JST】

分類 (1件)： グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (4件)： Hadoop ,  最大クリーク問題 ,  グラフ分割 ,  フレームワーク