紧密子图挖掘是图数据分析领域的研究热点,可用于社区发现、分析网络拓扑结构以及网络行为和功能预测等。图中顶点核值是反映顶点所在子图紧密性的重要指标,被广泛应用于紧密子图挖掘。以往的研究多集中于静态图中核值计算,在更为常见的动态数据图中如何避免重复计算,实现动态核值维护,因多边插入/删除时顶点核值变化量难以确定等难题,还未有高效算法提出。为解决上述难题,基于边分组思想的核值维护算法得以提出。根据一定约束条件将插入/删除的边分为多个组,使得同一个组内的边插入/删除时造成的顶点核值变化量可确定,将多边更新时的核值维护问题分解为边分组和寻找核值变化的顶点两个子问题,从而高效解决动态核值更新问题。更具体地,通过证明满足“匹配”和“优边集”性质的边集在被同时处理时,能够保证顶点的核值变化量为确定值,给出基于“匹配”和“优边集”两种不同的边分组策略,得到高效核值维护算法。其中,基于匹配的算法具有更少的预处理时间,而基于优边集的算法可同时处理更多的边,减少处理轮数。相比于传统基于单边处理算法的多边顺序处理方式,基于分组策略的处理算法不仅极大降低核值更新的时间,提高核值更新效率,而且可以有效减少单边处理算法顺序执行过程中产生的冗余计算,降低计算成本和存储空间。此外,基于分组策略的多边处理算法允许并行执行,可通过在并行系统运行进一步提高核值更新的效率。在真实图数据、时序图数据和生成图上的大量实验表明,基于分组策略的多边处理算法在实际环境中可高效更新核值,极大降低核值维护所需的时间,并在并行系统运行环境下具有良好的可扩展性。