抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
不確実性は,ソーシャルネットワークや脳ネットワークのようなグラフアプリケーションの広いスペクトルに固有であるので,不確実グラフの文脈で古典的グラフ問題を再訪問することが非常に要求されている。本論文では,実応用により駆動されて,不確実グラフ上のkコア計算の問題を研究し,不確実グラフにおける少なくともθの確率を持つノードからなる新しいモデル,すなわち(k,θ)コアを提案した。著者らは,(k,θ)コアの計算がNP困難であることを示し,したがって,サンプリングに基づく方法に頼る。有効で効率的な剪定技術を提案し,候補サイズを大幅に低減した。多重サンプルグラフ上のkコア計算のコストをさらに低減するために,新しい拡張ベース探索パラダイムに従うkコアメンバシップ検査アルゴリズムを設計した。現実のグラフに関する広範囲な実験は,著者らの提案した技術の有効性と効率性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】