文献

J-GLOBAL ID：201702263061131944   整理番号：17A0910238

確率グラフのためのサンプリングアルゴリズム:学習オートマトンアプローチ【Powered by NICT】

Sampling algorithms for stochastic graphs: A learning automata approach

著者 (3件)： Rezvanian Alireza (School of Computer Science, Institute for Research in Fundamental Sciences (IPM), P.O. Box 19395-5746, Tehran, Iran) ,  Rezvanian Alireza (Soft Computing Laboratory, Computer Engineering and Information Technology Department, Amirkabir University of Technology (Tehran Polytechnic), Hafez Ave., 424, Tehran, Iran) ,  Meybodi Mohammad Reza (Soft Computing Laboratory, Computer Engineering and Information Technology Department, Amirkabir University of Technology (Tehran Polytechnic), Hafez Ave., 424, Tehran, Iran)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 127  ページ： 126-144  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,ソーシャルネットワーク分析において関心が高まっている。ソーシャルネットワーク解析のためのグラフモデルは通常,そのエッジやノードのための固定した重みをもつ決定論的グラフであると仮定した。オンラインソーシャルネットワークにおけるユーザの活性は時間と共に変化する,しかし,この仮定は不確実性と予測不能性,およびこの種の実際のネットワークの時間変動特性のためにあまりに制限的である。複雑な社会的ネットワークのための既存のネットワーク測度とネットワークサンプリングアルゴリズムは基本的に固定した重みを持つ決定論的二成分グラフ用に設計されている。これはネットワークの時変エッジ重みに含まれるネットワークの挙動に関する多くの情報の損失をもたらし,変化するエッジ重みに埋め込まれた元のネットワークの重要な固有特性は明らかに適した測定または試料ではないことを示した。本論文では,著者らは,エッジに関連する量は確率変数である,確率グラフを用いた複雑な社会ネットワークに適したモデルであることを示唆した。ネットワークモデルを確率的グラフになるように選択すると,経路,クリーク,スパンニング木,ネットワーク尺度とサンプリングアルゴリズムのようなネットワークの各側面は確率的に処理されるべきである。特に,ネットワーク尺度の再定式化すべきであり,新しいネットワークサンプリングアルゴリズムは,ネットワークの確率的性質を反映するように設計されなければならない。本論文では,まず,確率的グラフに対するいくつかのネットワーク尺度を定義し,次に確率的グラフのための学習オートマトンに基づく四サンプリングアルゴリズムを提案した。提案したサンプリングアルゴリズムの性能を研究するために,実および人工的確率グラフを行ったいくつかの実験。これらのアルゴリズムの性能は,Kolmogorov-Smirnov D統計,相対誤差,Kendallの順位相関係数と相対的コストの観点から調べた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： スパンニング木 ,  不確実性 ,  *グラフ ,  相関係数 ,  測度 ,  定式化 ,  予測 ,  *アルゴリズム ,  ネットワーク
準シソーラス用語： ネットワークモデル ,  確率変数 ,  決定論 ,  グラフモデル ,  社会的ネットワーク ,  *学習オートマトン , 【Automatic Indexing@JST】

著者キーワード (5件)： 確率的グラフ ,  ネットワークサンプリング ,  ネットワーク測度 ,  複雑ネットワーク ,  学習オートマトン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 確率 ,  グラフ ,  サンプリング ,  アルゴリズム ,  学習オートマトン