文献

J-GLOBAL ID：201802240891255638   整理番号：18A0196522

高度に動的なグラフのための一般化された増分ボトムアップコミュニティ検出フレームワーク【Powered by NICT】

A generalized incremental bottom-up community detection framework for highly dynamic graphs

著者 (4件)： Liu Weiyi (School of Communication & Information Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Suzumura Toyotaro (Big Data Analytics Department, IBM Watson Research Center, USA) ,  Chen Lingli (School of Management and Economics, University of Electronic Science and Technology of China, Chengdu, China) ,  Hu Guangmin (School of Communication & Information Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 3342-3351  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 動的グラフのためのコミュニティを効率的に検出するかその広範な応用のために大きな注目を集めている,ソーシャルネットワーキングにおける「推奨システム」あるいはバンクのための「抗マネー洗濯」である。しかし,成長サイズと動的グラフのための周波数変化の増加に伴って,グラフの各のコミュニティ検出アルゴリズムを適用することよりも群集を検出増分的に良好であった。本論文では,高度に動的なグラフにおけるコミュニティを検出インクリメンタルに標準コミュニティ検出アルゴリズムに一般化されたボトムアップコミュニティ検出フレームワークを提案した。実データセットの評価は筆者らの一般化フレームワークは,高度に動的なグラフ(96%まで)のための標準的なコミュニティ検出法を加速する能力を持つことを示した。添加では,大規模グラフにおけるスーパーハブのための,実時間処理の要件を満たすために,近似プロセスを提案した。実データセットから「数学的証明」,「効率」と「精度」評価を与えることにより,この近似プロセスは,コミュニティ検出プロセスを加速したが,精度を維持できる,規則的な群集と近似コミュニティのための正規化相互情報量が92%より大きい。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 相互情報量 ,  *グラフ ,  正規化 ,  実時間処理 ,  洗濯 ,  *コミュニティ ,  近似法
準シソーラス用語： 検出アルゴリズム ,  推奨システム ,  ソーシャルネットワーキング ,  *コミュニティ検出 ,  *ボトムアップ , 【Automatic Indexing@JST】

分類 (2件)： グラフ理論基礎  (IA02020S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： グラフ ,  増分 ,  ボトムアップ ,  コミュニティ検出 ,  フレームワーク