Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

7. Future Work and Conclusion

verfasst von : Yixiang Fang, Kai Wang, Xuemin Lin, Wenjie Zhang

Erschienen in: Cohesive Subgraph Search Over Large Heterogeneous Information Networks

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Although much research effort has been devoted to CSS over large HINs over the past several decades, there are still many issues that are not well addressed, thus there is still much room to perform further study on CSS over large HINs in the future, from the perspectives of effective CSMs, computational efficiency, parameter optimization, tools, etc. In this chapter, we discuss several important future research directions about CSS over HINs, including novel application-driven CSMs, efficient search algorithms, parameter optimization, and an online repository for collecting HIN datasets, tools, and algorithm codes, which can provide researchers some good starting points to work in this area. In addition, we draw a brief conclusion for the book.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Related Work on CSMs and Solutions
Fußnoten
Literatur
10.
Bahmani, B., Kumar, R., & Vassilvitskii, S. (2012). Densest subgraph in streaming and mapreduce. PVLDB, 5(5), 454–465.
24.
Chan, T. H., Sozio, M., & Sun, B. (2019). Distributed approximate k-core decomposition and min-max edge orientation: Breaking the diameter barrier. In IEEE International Parallel and Distributed Processing Symposium (IPDPS) (pp. 345–354). IEEE.
27.
Charikar, M. (2000). Greedy approximation algorithms for finding dense components in a graph. In International Workshop on Approximation Algorithms for Combinatorial Optimization (pp. 84–95). Springer.
28.
Chatterjee, A., Nardi, C., Oberije, C., & Lambin, P. (2021). Knowledge graphs for covid-19: An exploratory review of the current landscape. Journal of Personalized Medicine, 11(4), 300.CrossRef
40.
Chu, D., Zhang, F., Lin, X., Zhang, W., Zhang, Y., Xia, Y., & Zhang, C. (2020). Finding the best k in core decomposition: A time and space optimal solution. In ICDE (pp. 685–696). IEEE.
46.
Dasari, N. S., Desh, R., & Zubair, M. (2014). Park: An efficient algorithm for k-core decomposition on multicore processors. In IEEE International Conference on Big Data (Big Data) (pp. 9–16). IEEE.
53.
Esfandiari, H., Lattanzi, S., & Mirrokni, V. (2018). Parallel and streaming algorithms for k-core decomposition. arXiv preprint arXiv:1808.02546.
62.
Fang, Y., Yang, Y., Zhang, W., Lin, X., & Cao, X. (2020). Effective and efficient community search over large heterogeneous information networks. PVLDB, 13(6), 854–867.
63.
Fang, Y., Yu, K., Cheng, R., Lakshmanan, L. V., & Lin, X. (2019). Efficient algorithms for densest subgraph discovery. PVLDB, 12(11), 1719–1732.
73.
Goldberg, A. V. (1984). Finding a maximum density subgraph. University of California Berkeley, CA.
90.
Jakma, P., Orczyk, M., Perkins, C. S., & Fayed, M. (2012). Distributed k-core decomposition of dynamic graphs. In Proceedings of the 2012 ACM Conference on CoNEXT Student Workshop (pp. 39–40).
93.
Kabir, H., & Madduri, K. (2017). Parallel k-core decomposition on multicore platforms. In IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW) (pp. 1482–1491). IEEE.
94.
Kannan, R., & Vinay, V. (1999). Analyzing the structure of large graphs. Rheinische Friedrich-Wilhelms-Universität Bonn, Bonn.
96.
Khuller, S., & Saha, B. (2009). On finding dense subgraphs. In International Colloquium on Automata, Languages, and Programming (pp. 597–608). Springer.
107.
Li, R.-H., Qin, L., Yu, J. X., & Mao, R. (2017). Finding influential communities in massive networks. The VLDB Journal, 26(6), 751–776.CrossRef
124.
Ma, C., Fang, Y., Cheng, R., Lakshmanan, L. V., Zhang, W., & Lin, X. (2020). Efficient algorithms for densest subgraph discovery on large directed graphs. In SIGMOD (pp. 1051–1066). ACM.
131.
Mitzenmacher, M., Pachocki, J., Peng, R., Tsourakakis, C., & Xu, S. C. (2015). Scalable large near-clique detection in large-scale networks via sampling. In SIGKDD (pp. 815–824). ACM.
132.
Montresor, A., De Pellegrini, F., & Miorandi, D. (2012). Distributed k-core decomposition. IEEE TPDS, 24(2), 288–300.
162.
Tsourakakis, C. (2015). The k-clique densest subgraph problem. In WWW (pp. 1122–1132).
176.
Weng, T., Zhou, X., Li, K., Peng, P., & Li, K. (2022). Efficient distributed approaches to core maintenance on large dynamic graphs. IEEE Trans. Parallel Distributed System, 33(1), 129–143.CrossRef
Metadaten
Titel
Future Work and Conclusion
verfasst von
Yixiang Fang
Kai Wang
Xuemin Lin
Wenjie Zhang
Copyright-Jahr
2022
Buch
Cohesive Subgraph Search Over Large Heterogeneous Information Networks

Print ISBN: 978-3-030-97567-8

Electronic ISBN: 978-3-030-97568-5

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-030-97568-5_7

Neuer Inhalt

    Bildnachweise