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。
ネットワークからの凝集サブグラフのマイニングは,ネットワーク解析における基本的問題である。ほとんどの既存の凝集サブグラフモデルは,主に非符号化ネットワークに調整されている。本論文において,著者らは符号化ネットワークにおける粘着性サブグラフを探索する問題を研究して,それにおいて,各々の端部が肯定的または否定的であることができて,それぞれ,友人またはコンフリクトを示すことができた。符号化ネットワークにおける凝集サブグラフを表す最大(α,k)-クリークと呼ばれる新しいモデルを提案した。具体的には,最大(α,k)-クリークは,すべてのノードが移動体の負の近傍と少なくとも[αk]の正の近傍(α≧1)にあるクリークである。符号化ネットワークにおけるすべての最大(α,k)-クリークを列挙する問題はNP困難であることを示した。すべての最大(α,k)-クリークを効率的に列挙するために,著者らは最初に,符号化ネットワークを著しく剪定するためにエレガント符号化ネットワーク縮小技術を開発した。次に,縮小した符号化ネットワークにおけるすべての最大(α,k)-クリークを列挙するために,いくつかの完全に設計された剪定規則を有する効率的なブランチおよび結合列挙アルゴリズムを提示した。5つの大規模実生活データセットに関する広範囲な実験の結果は,著者らのアルゴリズムの効率性,スケーラビリティ,および有効性を実証した。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】