文献

J-GLOBAL ID：201802231181703195   整理番号：18A0103456

NSGA2に基づくネットワーク環境におけるマルチラベル種子ノード選択【JST・京大機械翻訳】

NSGA2-based Multi-label Seed Node Selection in Network Environments

著者 (5件)： Li Lei (合肥工業大学計算机与信息学院 合肥 230009) ,  Chu Yuqi (合肥工業大学計算机与信息学院 合肥 230009) ,  Wang Meng (合肥工業大学計算机与信息学院 合肥 230009) ,  Han Li (科学技術部基礎研究管理中心 北京 100862) ,  Wu Xindong (合肥工業大学計算机与信息学院 合肥 230009;路易斯安那州立大学計算机与信息学院拉斐特 70503 美国)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 39  号： 9  ページ： 2040-2047  発行年： 2017年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ソーシャルネットワークの規模が拡大するにつれて,ネットワークノードのラベル分類は単一ではなく,豊富な多様性になり,これらはソーシャルネットワークにおけるマルチラベル分類問題に対する重要な研究分野になった。以前の研究は主にノードのラベルを予測する精度を向上させることに集中しているが,ノードの情報を含む時間消費と計算資源を含むシステムのオーバヘッドを無視している。現在、ネットワークの規模が絶えず拡大し、複雑性が強くなるにつれて、以前に無視されたシステムのコスト問題はますます深刻になり、予測ラベルのコストを増加させ、ネットワークノードのラベルを予測する困難さを加重した。この問題に対して、NSGA2アルゴリズムに基づくネットワーク環境におけるマルチラベル種子ノード選択アルゴリズム(NAMESEAアルゴリズム)を提案し、目的は予測ノードのラベルが消費するシステムのコストを大幅に低減できる前提で、予測ラベルの精度をある程度向上させることである。NAMESEAアルゴリズムを他の多重ラベル予測アルゴリズムと比較することによって,NAMESEAアルゴリズムによって予測されたノードラベルのシステムオーバヘッドを大いに減少して,予測精度を向上させることができることを証明した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 多重化 ,  予測 ,  アルゴリズム ,  *ネットワーク
準シソーラス用語： 予測精度 ,  予測アルゴリズム ,  複雑性 ,  計算資源 ,  マルチラベル分類 ,  ネットワークノード ,  社会的ネットワーク ,  *ノード選択 ,  *ネットワーク環境 , 【Automatic Indexing@JST】

著者キーワード (4件)： Social networks ,  Multi-label classification ,  NSGA2 ,  System overhead

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ネットワーク環境 ,  マルチ ,  ラベル ,  種子 ,  ノード選択