动态图中的分布式特拉斯计算

大规模图通常表现出全局稀疏性和局部内聚性，挖掘具有代表性的内聚子图是图分析中的一个基本问题。$k$-特拉斯是最常研究的内聚子图之一，其中每个边至少形成$k-2$个三角形。挖掘$k$-特拉斯的一个关键问题在于计算每个边的桁架度，这是一个边在$k$$-特拉斯中的最大值$k$。现有的工作主要集中在基于序列模型的静态图中的特拉斯计算。然而，图形在现实世界中不断动态变化。本文研究了动态图中的分布式特拉斯计算。特别地，我们基于同步节点中心分布模型中$k$-特拉斯的局部性质来计算边的桁架性。所提出的分布式分解算法可以仅依靠局部拓扑信息迭代分解边的桁架性。此外，分布式维护算法只需要更新少量的动态信息即可完成计算。已经进行了大量的实验来证明所提出的算法的可扩展性和效率。