Systems for Big Graph Analytics

There has been a surging interest in developing systems for analyzing big graphs generated by real applications, such as online social networks and knowledge graphs. This book aims to help readers get familiar with the computation models of various graph processing systems with minimal time investme...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Yan, Da (Συγγραφέας), Tian, Yuanyuan (Συγγραφέας), Cheng, James (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: Cham : Springer International Publishing : Imprint: Springer, 2017.
Σειρά:SpringerBriefs in Computer Science,
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • 1 Introduction
  • 2 Pregel-Like Systems
  • 3 Hands-On Experiences
  • 4 Shared Memory Abstraction
  • 5 Block-Centric Computation
  • 6 Subgraph-Centric Graph Mining
  • 7 Matrix-Based Graph Systems
  • 8 Conclusions.