Search

�������� ������������������������ �������������� ������������������������ ���� ������ �������������� ������������ ������������������ ������ �������������� �������������� ��������������������. �� �������������� ������������ ������������������ ���������� ������ �������������� ��������������������, �� ���������� �������� ���������� �������������� ���� ���������������������� �������� ������ ������������ ���������� �������������� �� �������������������� ������������ �������������� ��������������������, ������ ������ �������������� ���� ���������������������������� ������ ������������ ��������. ���� ������������ ������������������ �������������� ���������������� �������������� ������������ ���������� ���������������� ���������� �������� ���������� ������ ���������������������� ������ ������������������������������ ������������ ������������������, ������� �������� ���� ������������ ���� �������������������������� ���� ���������������� ���� ������ ���������� ���������������� ���������� �������� �������� ���� ���������������� ������������ ������������������������. ������������ ������������������������������ ������ ���������� �������� ���������������������� �������� ������ ���������� ������������������������ ������ ���� �������������� ������ ���������� �������������������� �������� �������� ������ ������������ �������� �������� ���� ������������������������������ ���� ������ �������� ������ ���������������� ����������, �� ���������� ������������������������������ ���� �������������� �������������������� ������������������ �������� ����������, �������� �������������� �������� ������������������ ������ ������������������������ �������������������� �������� ������ ���������� ���������������������� ������ �������� �������� ������ ���������������� ���������������� �������� ����������. ���� ���������������� ���������������� ������������ ������������������ ���� ���������� ������������ ������������������ ������ ������������������������ ���������� ���������� ���������� ���������������������� ���� �������� ������ ���������������� ������������ ����� �������� ���������������� ����������. ���� �������������������� ������ ���������� ������������������������ ������ ������������������������ �������������������������������� �������������������� MapReduce. ���� ������������ ������ ���������������������� ���������� �������� ������������ �������������� ������ ������ �������������� ����������������, ������ �������������� ���������� �������� ������������������ ������ ������������������ ������������, �������� �������� ���� ���������������� ������������������������ ���������������������� ���������������������� �������� ������ ������������ ������������������������ ������������������ ������������������ power-law., We are dealing with a challenge research field finding and listing dense sub-graphs within very large graphs. Mining dense sub-graphs is a difficult work but useful in cases where its impossible to take a massive graph as a hole to discover knowledge meaningful to our purposes. In such a scaled datasets there are relations between entities which are hidden, so we have to follow an optimal approach to produce exact results. We are using a first phase triangulation method to estimate an initial bound of triangles an edge participates followed by a second iterative phase estimating the optimal minimum valid bound of triangles within sub-graphs for each edge. The overhead to produce dense neighborhoods of connected edges is actually pretty closed to the process finding cliques within a graph. We have implemented our algorithms in a MapReduce parallel framework a powerful tool ideal for our requirements. In our experiments we used small as also massive datasets to cover a large range of cases in which appearing properties such sparse power-law graphs existing in real world cases such biological, social and other networks.