刘钰关于动态和时序图生成的论文“Building Graphs at Scale via Sequence of Edges: Model and Generation Algorithms”被TKDE 2021接收。

　　真实世界的图数据有很多区别于随机图的性质。在过去几十年中，这些性质被广泛研究。其中，大多数图生成模型通过顺序逐个插入节点及关联的边构建图。然而，很多真实图（如社交网络）的增长过程可自然的建模成序列的边插入过程；目前尚无相应的图生成模型反映这一性质。

　　我们提出了首个基于边序列的模型，及时序偏好连接模型。其基于经典的偏好连接机制，并考虑了随时间的衰减因素和节点的固有特性等经典偏好函数。实验分析表明提出的模型保持了若干重要的真实图性质，这既包括一些静态图性质（如幂律分布），也包括了一些时序图性质（如直径缩减）。同时，我们的模型可支持数种形式的时间衰减和节点特性函数，体现了其通用性。我们也设计了两个高效的图生成算法，可在单机数分钟内生成十亿条边规模的大型仿真图数据。