핵심 개념
PSCTL 및 CPSample 알고리즘은 𝑘-클리크 밀도 서브그래프 문제를 해결하기 위한 혁신적이고 확장 가능한 방법을 제시합니다.
초록
Xiaowei Ye, Miao Qiao, Ronghua Li, Qi Zhang, Guoren Wang이 클리크 밀도 서브그래프 문제에 대한 새로운 알고리즘을 제안합니다.
PSCTL은 Frank-Wolfe 방법을 기반으로 한 새로운 알고리즘으로, 시간 복잡성이 𝑘-클리크 수에 독립적이며 효율적입니다.
CPSample은 대규모 네트워크를 처리할 수 있는 효율적인 샘플링 기반 알고리즘입니다.
실험 결과, PSCTL 및 CPSample은 기존 최신 알고리즘보다 수백 배 빠른 성능을 보입니다.
통계
PSCTL은 시간 복잡성이 클리크 수에 독립적입니다.
CPSample는 1.8 × 10^9개의 엣지를 처리할 수 있습니다.
인용구
"PSCTL는 시간 복잡성이 클리크 수에 독립적이어서 효율적입니다."
"CPSample는 대규모 네트워크를 처리할 수 있는 효율적인 샘플링 기반 알고리즘입니다."