1、本文提出了一個新的研究問題即考察屬性信息與圖拓撲的關聯(lián)程度，它涵蓋了相當廣泛的一類現(xiàn)實問題，有著很強的實際背景和應用前景。比如，人們常常會因為朋友的推薦而去購買某種商品，這種購買行為與消費者所在的社交網(wǎng)絡有著深刻的聯(lián)系。對商家來說，如果能了解購買行為與社交網(wǎng)絡關聯(lián)性的強弱，便能通過優(yōu)化廣告的投放策略而獲利，因此對這個問題的研究蘊含著很大的商業(yè)價值。
　　 在一些直觀思想的引導下，本文提出了一個有意義的度量屬性與圖結構關聯(lián)程度強弱

2、的方式——p-measure。p-measure直觀意義明顯，計算簡便，并且易于拓展。利用p-measure，我們可以很容易地看出某種屬性與圖結構關聯(lián)程度的強弱，了解關聯(lián)性程度隨著時間演化的特點，也可以發(fā)掘不同屬性與圖結構關聯(lián)程度的差異。
　　 本文給出了計算p-measure的核心算法——M算法。度數(shù)限制規(guī)則的引進則大大提高了算法的效率。我們還從理論上分析了算法的復雜度。
　　 本文通過大量有代表性的實例來考察算法的有