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。
グラフは,社会科学,神経科学,輸送工学など多くのドメインで自然に出現する。多くの場合,そのようなグラフは,ノードとエッジの百万または10億を持ち,それらのサイズは,高速ペースで毎日増加する。種々のドメインからの研究者が,何が何であるかが,何であるかを,どのように,相互作用的に,そして,効率的に探索するか,そして,何が,何であるかを何人かの研究者が,それらの発見によってお互いに新しいグラフデータセットを集団的に,そして,「ヘルプ」をどのように探索するかを,どのように調査することができるか。本論文では,分散方式でグラフ特性集合を計算する大規模グラフマイニングツール,Perseus-Hubを提示し,アンサンブル,マルチビュー異常検出を行い,研究に値する領域を明らかにし,複雑なグラフ統計との簡単な相互作用と,非cl色可視化のユーザを提供した。Perseus-Hubは,大規模グラフの様々な統計量を効率的に計算するためにSparkクラスタを使用し,対話型ユーザ探索をサポートするためにマスターノードに関する要約で結果を集約する。Perseus-Hubでは,グラフ統計の可視化分布はグラフを理解するための予備的解析を提供する。より深い分析を行うためには,事前知識の少ないユーザは,他のユーザや専門家がマークするパターン(例えば,べき乗則度分布におけるスパイク)を活用できる。さらに,Perseus-Hubは,異常ノードを強調して,ユーザが手のグラフに関するより包括的な理解を確立するのを助けるために,ユーザを関心領域へ導く。実際の大規模ネットワークに関する事例研究を通してこのシステムを実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】