Snapshot graph model based algorith

Snapshot graph model based algorithms track the clusters in the granularity of a time-slice. However, the interval of a time-slice may be arbitrarily chosen by a user, such as a day, a week or a month. Alternatively, incremental k-clique clustering algorithm tracks the clusters in the granularity of a change rather than a time-slice, thus the time interval setting problem of snapshot graph model is naturally eliminated. Moreover, incremental k-clique clustering
can capture evolving details that snapshot graph model misses. The following cases justify this argument.

Kết quả (Việt) 1:

Ảnh chụp biểu đồ mô hình dựa trên thuật toán theo dõi cụm ở granularity của thời gian lát. Tuy nhiên, khoảng thời gian lát có thể được tự ý lựa chọn bởi người dùng, chẳng hạn như một ngày, một tuần hoặc một tháng. Ngoài ra, thuật toán kết cụm tập đoàn k gia tăng theo dõi cụm ở granularity của một sự thay đổi chứ không phải là một thời gian-lát, do đó thời gian khoảng thời gian cài đặt vấn đề của ảnh chụp biểu đồ mô hình tự nhiên được loại bỏ. Hơn nữa, gia tăng k-clique clusteringcó thể chi tiết phát triển chụp ảnh chụp biểu đồ mô hình bỏ lỡ. Các trường hợp sau biện minh cho điều này lý luận.

Kết quả (Việt) 2:

Ảnh chụp mô hình thuật toán đồ thị dựa theo dõi các cụm trong granularity của một thời gian-slice. Tuy nhiên, khoảng thời gian của một thời gian-lát có thể được tự ý lựa chọn bởi một người sử dụng, chẳng hạn như một ngày, một tuần hay một tháng. Ngoài ra, gia tăng k-phe nhóm thuật toán phân nhóm theo dõi các cụm trong granularity của một sự thay đổi chứ không phải là một thời gian-slice, do đó khoảng thời gian cài đặt vấn đề của đồ thị ảnh chụp mô hình là tự nhiên được loại bỏ. Hơn nữa, gia tăng k-phe nhóm phân nhóm
phát triển có thể chụp chi tiết mà ảnh chụp đồ thị lệch mô hình. Các trường hợp sau đây biện minh cho lập luận này.