CN113626658A - 一种用于大规模复杂网络的最短路径查询方法 - Google Patents
一种用于大规模复杂网络的最短路径查询方法 Download PDFInfo
- Publication number
- CN113626658A CN113626658A CN202110921715.0A CN202110921715A CN113626658A CN 113626658 A CN113626658 A CN 113626658A CN 202110921715 A CN202110921715 A CN 202110921715A CN 113626658 A CN113626658 A CN 113626658A
- Authority
- CN
- China
- Prior art keywords
- shortest path
- complex network
- query method
- scale complex
- path query
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种用于大规模复杂网络的最短路径查询方法。所述用于大规模复杂网络的最短路径查询方法包含线下索引构建和线上查询。本发明提供的用于大规模复杂网络的最短路径查询方法,相比传统的最短路径查询方法,通过存储少量的地标导向的路径,避免了预先计算和存储所有的最短路径作为索引,极大地减少了索引结构占据的空间,由此可以将本方法轻松地扩展到大规模复杂网络,并且索引的空间消耗不会随着图的增大和复杂性的提升而成倍增加,通过索引结构还可计算得出所有具备相同距离的最短路径,有效克服了当前方法只求出一条最短路径的局限性。
Description
技术领域
本发明涉及图论与计算理论领域,尤其涉及一种用于大规模复杂网络的最短路径查询方法。
背景技术
随着数据挖掘技术的进步,我们从互联网上挖掘的数据规模也在快速地增长,面临着数据规模急剧扩张的挑战,然而路网上的这些方法通常在复杂网络上表现不佳,此外,现有的点对点最短路径查询方法的设计只保证找到一条最短路径,忽视了其他相同距离的最短路径,这限制了它们在实际生活中的可用性,我们目前还没有针对数百万或数十亿个顶点和边的图的低延迟查询方法,因此,在超大规模的图上高效计算最短路径是非常值得解决的问题,也具有极大的挑战性。
现有的解决方法利用路网的特定属性,例如层次结构[1]和近平面性[2]。大体上分为两类,一类是精确解算法,一类是近似解算法;
精确算法,最短路径计算最经典的方法是Dijkstra算法[3],它在时间复杂度为O(|E|+|V|log|V|)的加权图上计算单源最短路径树,对于无权图,广度优先搜索(BFS)可以在O(|E|)复杂度下计算单源最短路径树,减少搜索空间的一个简单策略是采用双向BFS,它基于启发式假设[4],分别从两个给定的顶点执行两个方向的搜索,为了进一步加速最短路径计算,还有方法来预先计算索引标签,以便在更短的时间内在线回答点对点最短路径查询,[5]介绍了一种基于树分解的点对点最短路径查询方法;
近似算法,由于计算最短路径的计算成本很高,过去也提出了许多点对点最短路径查询的近似方法,[6]预先计算从每个顶点到每个地标的最短路径,然后将两个顶点到相同地标的最短路径连接起来以求出近似的最短路径,另外还有循环消除和基于树的缩略图来提高准确性,例如Rigel方法[7]来估计最短路径距离,以及扩展到计算近似的最短路径。
此外也有一些针对于复杂网络的技术[8],利用复杂网络的拓扑特征[9],基于区域中心点距离(CDZ)最短路径近似方法,在快速估算距离的同时,也给出符合复杂网络拓扑特征的一条可能最短路径作为最短路径的近似。
[1]Takuya Akiba,Yoichi Iwata,and Yuichi Yoshida.2013.Fast exactshortest-path distance queries on large networks by pruned landmarklabeling.In Proceedings of the 2013ACM SIGMOD International Conference onManagement of Data.349–360。
[2]Ada Wai-Chee Fu,Huanhuan Wu,James Cheng,and Raymond Chi-WingWong.2013.Is-label:an independent-set based labeling scheme for point-to-point distance querying.Proceedings of the VLDB Endowment 6,6 (2013),457–468。
[3]Edsger W Dijkstra et al.1959.A note on two problems in connectionwith graphs.Numerische mathematik 1,1(1959),269–271。
[4]Andrew V Goldberg and Chris Harrelson.2005.Computing the shortestpath:A search meets graph theory.In Proceedings of the sixteenth annual ACM-SIAM symposium on Discrete algorithms.156–165。
[5]Fang Wei.2010.TEDI:efficient shortestpath query answering ongraphs. In Proceedings of the 2010ACM SIGMOD International Conference onManagement of
data.99–110。
[6]Andrey Gubichev,Srikanta Bedathur,Stephan Seufert,and GerhardWeikum.2010.Fast and accurate estimation of shortest paths in large graphs.InProceedings of the 19th ACM international conference on Information andknowledge management.499–508。
[7]Xiaohan Zhao,Alessandra Sala,Haitao Zheng,and Ben Y Zhao.2011.Efficient shortest paths on massive social graphs.In 7th InternationalConference on Collaborative Computing:Networking,Applications andWorksharing.77– 86。
[8]唐晋韬,王挺,王戟.适合复杂网络分析的最短路径近似算法[J].软件学报,2011,22(10):2279-2290。
[9]徐野,赵海,苏威积,张文波,张昕.Internet网络的访问直径分析.计算机学报,2006,29(5):690-698。
现有技术的缺点有两方面:
一、是大部分技术是针对于最短距离的优化,在计算最短路径时表现不优;
二、是求解最短路径的方法,很难扩展到大规模复杂网络上,我们现在面临的图数据往往可以扩张到数百万个顶点、数十亿条边,现有技术或是查询的速度很慢,或是无法得出查询结果。
因此,有必要提供一种用于大规模复杂网络的最短路径查询方法解决上述技术问题。
发明内容
本发明提供一种用于大规模复杂网络的最短路径查询方法,解决了现有技术在大规模复杂网络上表现不的问题。
为解决上述技术问题,本发明提供的用于大规模复杂网络的最短路径查询方法包含线下索引构建和线上查询,其特征在于,具体包括以下步骤:
S1选取少量的地标点,构建一个小规模的“元图”,保留地标之间的最短路径;
S2对于其他定点,在“元图”的基础上计算路径标签,存储顶点到附近地标的路径;
S3对于给定的出发点和目标点,通过查询上述索引,构建相关的缩略图;
S4通过目标导向的路径查询算法,从缩略图中计算得出精确解。
优选的,所述线下索引构建通过预先处理数据,抽取“元图”中的一些关键点作为“地标”,基于关键点构建最短路径图的索引,以便后续查找任意两点之间的最短路径。
优选的,所述独特的索引结构,使其既能够存储路径信息,又不会占用过高的存储空间。
优选的所述存储顶点到附近地标的路径时需要采用存储设备,存储设备包括:安装架;支撑板,所述支撑板固定安装于所述安装架的外表面;控制装置,所述控制装置安装于所述安装架的顶部;储存服务器,所述储存服务器安装于所述支撑板的顶部;连接架,所述连接架固定安装于所述安装架的背面;调节电机,所述调节电机的底部固定于所述连接架的顶部,所述调节电机的输出端固定连接有调节丝杆,所述调节丝杆的表面螺纹连接有联动板;伸缩件,所述伸缩件固定安装于所述联动板的顶部,所述伸缩件的输出端固定连接有推动板。
优选的,所述安装架的两侧均开设有调节槽,所述调节槽的内侧活动安装有限位板,所述限位板的一侧固定连接有连接轴,所述连接轴的外表面套设有缓冲弹簧,所述连接轴的一端固定连接有联动架。
优选的,所述限位板的表面为弧形结构,并且限位板的外表面与所述安装架的表面滑动连接。
优选的,所述缓冲弹簧安装于所述调节槽的内部,并且缓冲弹簧套设在所述连接轴的外表面。
优选的,所述联动架位于所述安装架的外侧,所述连接轴的表面与所述安装架的表面滑动连接。
优选的,所述支撑板上开设有通孔,并且支撑板至少设置有四层。
优选的,所述连接架的内部与所述安装架的内部相互连通,所述推动板的尺寸与所述储存服务器的尺寸相适配。
与相关技术相比较,本发明提供的用于大规模复杂网络的最短路径查询方法具有如下有益效果:
本发明提供一种用于大规模复杂网络的最短路径查询方法,相比传统的最短路径查询方法,通过存储少量的地标导向的路径,避免了预先计算和存储所有的最短路径作为索引,极大地减少了索引结构占据的空间,由此可以将本方法轻松地扩展到大规模复杂网络,并且索引的空间消耗不会随着图的增大和复杂性的提升而成倍增加,通过索引结构还可计算得出所有具备相同距离的最短路径,有效克服了当前方法只求出一条最短路径的局限性。
附图说明
图1为本发明提供的用于大规模复杂网络的最短路径查询方法的流程图;
图2为本发明提供的用于大规模复杂网络的最短路径查询方法中使用到的储存设备的三维图;
图3为图2所示的整体的剖视图;
图4为图2所示限位板部分的结构示意图。
图中标号:
1、安装架,11、调节槽;
2、支撑板;
3、控制装置;
4、储存服务器;
5、连接架;
6、调节电机,61、调节丝杆,62、联动板;
7、伸缩件,71、推动板;
8、限位板,81、连接轴,82、缓冲弹簧;
9、联动架。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1、图2、图3和图4,其中,图1为本发明提供的用于大规模复杂网络的最短路径查询方法的流程图;图2为本发明提供的用于大规模复杂网络的最短路径查询方法中使用到的储存设备的三维图;图3为图2所示的整体的剖视图;图4为图2所示限位板部分的结构示意图。
图是用于表示实体之间复杂关系的典型数据结构,例如社交网络中的社交关系、论文之间的引用关系、计算机网络中的连接以及网页之间的链接关系。计算最短路径是处理图数据的基本操作。在许多实际应用中,发现两个顶点之间的最短路径使我们能够充分利用底层结构来理解图中的顶点是如何关联起来的,例如社交网络中个人之间的社交联系紧密性。
道路交通网络上的路径规划有着强烈的现实需求,因此在路网领域对点对点最短路径查询的问题已经有丰富的研究成果,就是通过利用路网特殊的特征和性质,从而高效地寻找两个顶点之间的最短路径。之前的工作已经提出了各种精确和近似的方法来回答点对点最短路径查询。
其中引起背景技术中出现该为的主要原因为:
一方面,路网和复杂网络的特征不同,路网具有低密度、小直径的特点;而大多数复杂网络都有一个很大的组件,在这个部分顶点连接很密集,很难分解成树状结构,即使将路网的树分解方法等应用于此,进行树分解的过程就会消耗大量的时间和算力,而得到的结果中,树宽与树高过大,导致查询最短路径时依然很低效;
另一方面,为了提高查询速度,需要预先计算的索引来加速后续查询,计算最短路径就意味着要存储最短路径图作为索引,计算最短路径图的计算成本很高,因为它需要识别两个顶点之间的所有最短路径,不能仅仅存储一条,当网络规模急剧扩张时,这样的计算和存储代价异常高昂,现实来说几乎是不可行的。
一种用于大规模复杂网络的最短路径查询方法,整个过程分为两大模块。
第一部分是线下的索引构建模块,预先处理数据,抽取图中的一些关键点作为“地标”,基于关键点构建最短路径图的索引,以便后续查找任意两点之间的最短路径。
为此设计了独特的索引结构,使其既能够存储路径信息,又不会占用过高的存储空间,构建过程分为两个步骤:
1.选取少量的地标点,构建一个小规模的“元图”,保留地标之间的最短路径;
2.对于其他顶点,在元图的基础上计算路径标签,存储顶点到附近地标的路径。
第二部分是线上的查询模块,查询过程分为两个步骤:
1.对于给定的出发点和目的点,通过查询上述索引,构建相关的缩略图;
2.通过目标导向的路径查询算法,从缩略图中计算得出精确解。
所述线下索引构建通过预先处理数据,抽取“元图”中的一些关键点作为“地标”,基于关键点构建最短路径图的索引,以便后续查找任意两点之间的最短路径。
所述独特的索引结构,使其既能够存储路径信息,又不会占用过高的存储空间。
基于大规模复杂网络的特性,设计最短路径查询方法,使其既能快速得出查询结果,同时摆脱只查找唯一一条最短路径的限制,充分满足实际生活中的各项需求,适应丰富多变的现实应用场景。
主要优势:
第一、可以支持在数百万或数十亿顶点和边的图上的查询,从而能够应用于大数据时代的社交网络、网络图等领域;
第二、可以记录两个顶点之间的所有最短路径,从而能够更灵活地应用到实际生活中,适应个性化的需求。
核心是设计空间开销小、查询效率高的索引标签,从而能够将方法扩展到大规模网络,适应大数据时代具有数十亿顶点和边的大规模网络图模型。
原理:
提出了一种结合地标的元图结构,存储地标之间的最短路径,不同于现有技术的计算所有顶点之间的最短路径,结构设计有效地减少了索引的空间消耗,同时可以加速查询过程;
提出了一种根据查询的出发点和目的点,抽取缩略图的方法,通过缩略图可以快速计算出最短路径,与现有的在完整索引结构上查询路径的方法不同,进一步缩小了查询范围,从而加速查询;
提出了一种保留多条最短路径的索引结构和算法设计,克服现有技术只能找到一条最短路径的局限性。
以达到结合地标存储路径的元图结构,提取缩略图的方法,计算多条最短路径。
所述步骤S2中存储顶点到附近地标的路径时需要采用存储设备,存储设备包括:
安装架1;
支撑板2,所述支撑板2固定安装于所述安装架1的外表面;
控制装置3,所述控制装置3安装于所述安装架1的顶部;
储存服务器4,所述储存服务器4安装于所述支撑板2的顶部;
连接架5,所述连接架5固定安装于所述安装架1的背面;
调节电机6,所述调节电机6的底部固定于所述连接架5的顶部,所述调节电机6的输出端固定连接有调节丝杆61,所述调节丝杆61的表面螺纹连接有联动板62;
伸缩件7,所述伸缩件7固定安装于所述联动板62的顶部,所述伸缩件7 的输出端固定连接有推动板71。
通过采用安装架1的内部设置多层支撑板2的结构,方便对多组储存服务器进行储存和安装,以便于同时对多层储存服务器4的安装使用,安装架1 背面的连接架5上设置升降机构方便对推动板71的使用高度进行调节,从而方便将储存服务器4从安装架1的内侧推出,以便于储存服务器4的安装和拆卸。
所述安装架1的两侧均开设有调节槽11,所述调节槽11的内侧活动安装有限位板8,所述限位板8的一侧固定连接有连接轴81,所述连接轴81的外表面套设有缓冲弹簧82,所述连接轴81的一端固定连接有联动架9。
所述限位板8的表面为弧形结构,并且限位板8的外表面与所述安装架1 的表面滑动连接。
限位板8上的弧形结构位于外侧,方便储存服务器4的安装,安装时不需要手动向外侧拉动,在储存服务器4的表面接触到限位板8的弧形面时,限位板8会自动向储存服务器4的侧面展开;
在储存服务器4完全安装入安装架1的内部时,限位板8能够在缓冲弹簧 82的弹力作用下复位。
所述缓冲弹簧82安装于所述调节槽11的内部,并且缓冲弹簧82套设在所述连接轴81的外表面。
限位板8向调节槽11的内部收缩时,限位板8能够压缩缓冲弹簧82;
处于压缩状态的缓冲弹簧82在没有外力作用下时能够自动将限位板8推动至复位状态,实现限位板8的自动复位。
安装架1上设置有限位板8,在储存服务器4完全安装入支撑板2的上方后,限位板8对储存服务器4进行遮挡和防护,保障储存服务器4安装后的稳定性,同时通过联动架9方便手动向外侧拉动限位板8,以便于手动解除对储存服务器4的限位,以保障储存服务器4拆卸时的稳定性。
所述联动架9位于所述安装架1的外侧,所述连接轴81的表面与所述安装架1的表面滑动连接。
联动架9上设置有调节口,方便手动调节和使用,联动架9移动时能够带动连接轴81同步移动,连接轴81移动时能够同步带动限位板8移动。
所述支撑板2上开设有通孔,并且支撑板2至少设置有四层。
通孔均匀分布在支撑板2上,方便储存服务器4安装后的通风和散热,支撑板2方便同时安装多组储存服务器4,为服务器储存的海量数据提供支持。
所述连接架5的内部与所述安装架1的内部相互连通,所述推动板71的尺寸与所述储存服务器4的尺寸相适配。
伸缩件7采用电动伸缩杆,使用时连接外界的电源,伸缩件7伸展时能够同步带动推动板71移动,推动板71移动时方便推动安装架1内部的储存服务器4同步伸缩移动调节。
伸缩件7安装在联动板62上,联动板62的表面与调节丝杆61的表面之间螺纹连接,并且联动板62的外表面与连接架5的内表面滑动连接,调节电机6的输出端与调节丝杆61连接,调节电机6使用时连接外界的电源;
当调节电机6的输出端正转时,调节电机6能够带动调节丝杆61同步转动,调节丝杆61转动时能够同步带动联动板62向上移动,联动板62带动伸缩件7以及推动板71同步向上移动;
当调节电机6的输出端反转时,调节电机6能够带动调节丝杆61同步转动,调节丝杆61转动时同步带动联动板62向下移动,联动板62带动伸缩件 7以及推动板71同步向下移动。
与相关技术相比较,本发明提供的用于大规模复杂网络的最短路径查询方法具有如下有益效果:
相比传统的最短路径查询方法,通过存储少量的地标导向的路径,避免了预先计算和存储所有的最短路径作为索引,极大地减少了索引结构占据的空间,由此可以将本方法轻松地扩展到大规模复杂网络,并且索引的空间消耗不会随着图的增大和复杂性的提升而成倍增加,通过索引结构还可计算得出所有具备相同距离的最短路径,有效克服了当前方法只求出一条最短路径的局限性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种用于大规模复杂网络的最短路径查询方法,包含线下索引构建和线上查询,其特征在于,具体包括以下步骤:
S1选取少量的地标点,构建一个小规模的“元图”,保留地标之间的最短路径;
S2对于其他定点,在“元图”的基础上计算路径标签,存储顶点到附近地标的路径;
S3对于给定的出发点和目标点,通过查询上述索引,构建相关的缩略图;
S4通过目标导向的路径查询算法,从缩略图中计算得出精确解。
2.根据权利要求1所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述线下索引构建通过预先处理数据,抽取“元图”中的一些关键点作为“地标”,基于关键点构建最短路径图的索引,以便后续查找任意两点之间的最短路径。
3.根据权利要求2所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述独特的索引结构,使其既能够存储路径信息,又不会占用过高的存储空间。
4.根据权利要求1所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述步骤S2中存储顶点到附近地标的路径时需要采用存储设备,存储设备包括:
安装架;
支撑板,所述支撑板固定安装于所述安装架的外表面;
控制装置,所述控制装置安装于所述安装架的顶部;
储存服务器,所述储存服务器安装于所述支撑板的顶部;
连接架,所述连接架固定安装于所述安装架的背面;
调节电机,所述调节电机的底部固定于所述连接架的顶部,所述调节电机的输出端固定连接有调节丝杆,所述调节丝杆的表面螺纹连接有联动板;
伸缩件,所述伸缩件固定安装于所述联动板的顶部,所述伸缩件的输出端固定连接有推动板。
5.根据权利要求4所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述安装架的两侧均开设有调节槽,所述调节槽的内侧活动安装有限位板,所述限位板的一侧固定连接有连接轴,所述连接轴的外表面套设有缓冲弹簧,所述连接轴的一端固定连接有联动架。
6.根据权利要求5所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述限位板的表面为弧形结构,并且限位板的外表面与所述安装架的表面滑动连接。
7.根据权利要求5所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述缓冲弹簧安装于所述调节槽的内部,并且缓冲弹簧套设在所述连接轴的外表面。
8.根据权利要求5所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述联动架位于所述安装架的外侧,所述连接轴的表面与所述安装架的表面滑动连接。
9.根据权利要求4所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述支撑板上开设有通孔,并且支撑板至少设置有四层。
10.根据权利要求4所述的用于大规模复杂网络的最短路径查询方法,其特征在于,所述连接架的内部与所述安装架的内部相互连通,所述推动板的尺寸与所述储存服务器的尺寸相适配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921715.0A CN113626658A (zh) | 2021-08-12 | 2021-08-12 | 一种用于大规模复杂网络的最短路径查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921715.0A CN113626658A (zh) | 2021-08-12 | 2021-08-12 | 一种用于大规模复杂网络的最短路径查询方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113626658A true CN113626658A (zh) | 2021-11-09 |
Family
ID=78384656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110921715.0A Pending CN113626658A (zh) | 2021-08-12 | 2021-08-12 | 一种用于大规模复杂网络的最短路径查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626658A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999558A (zh) * | 2011-10-24 | 2013-03-27 | 斯凯普公司 | 使用数据结构处理搜索查询 |
CN211853243U (zh) * | 2019-12-17 | 2020-11-03 | 广西交通职业技术学院 | 一种用于大数据一体机的定位装置 |
-
2021
- 2021-08-12 CN CN202110921715.0A patent/CN113626658A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999558A (zh) * | 2011-10-24 | 2013-03-27 | 斯凯普公司 | 使用数据结构处理搜索查询 |
CN211853243U (zh) * | 2019-12-17 | 2020-11-03 | 广西交通职业技术学院 | 一种用于大数据一体机的定位装置 |
Non-Patent Citations (1)
Title |
---|
孙兵: "大规模复杂网络近似最短路径算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Redal: Region-based and diversity-aware active learning for point cloud semantic segmentation | |
US10013438B2 (en) | Distributed image search | |
Hose et al. | A survey of skyline processing in highly distributed environments | |
Qiao et al. | Approximate shortest distance computing: A query-dependent local landmark scheme | |
Safar | K nearest neighbor search in navigation systems | |
US9495477B1 (en) | Data storage in a graph processing system | |
CN103218404B (zh) | 一种基于关联特性的多维元数据管理方法和系统 | |
US20150169723A1 (en) | Three-dimensional image file searching method and three-dimensional image file searching system | |
US20140324882A1 (en) | Method and system for navigating complex data sets | |
Mayer et al. | Out-of-core edge partitioning at linear run-time | |
CN101320382A (zh) | 基于上下文对搜索结果重新排序的方法和系统 | |
CN108595255B (zh) | 地理分布式云中基于最短路径算法的工作流任务调度方法 | |
CN110022234A (zh) | 面向边缘计算的非结构化数据共享机制实现方法 | |
CN113626658A (zh) | 一种用于大规模复杂网络的最短路径查询方法 | |
CN111813778A (zh) | 一种面向大规模路网数据的近似关键字存储和查询方法 | |
CN113488996A (zh) | 一种基于分布式并行图计算框架的配电网原生图建模方法 | |
CN110134698A (zh) | 数据管理方法及相关产品 | |
CN104657385A (zh) | 一种节点的查找方法及装置 | |
CN106612318A (zh) | 云计算中一种云资源的查找方法 | |
Soltvedt et al. | A cost model for data discovery in large-scale IoT networks of smart cities | |
CN104778200A (zh) | 一种结合历史数据的异构处理大数据检索的方法 | |
Luo et al. | Rethinking ResNets: improved stacking strategies with high order schemes | |
Delgado-Friedrichs | Barycentric drawings of periodic graphs | |
CN114092580B (zh) | 一种基于深度学习的三维点云数据压缩方法与系统 | |
CN103309951A (zh) | 在网上搜索多媒体文件的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211109 |
|
RJ01 | Rejection of invention patent application after publication |