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。
高密度部分グラフの計算は,ソーシャルネットワークにおける電子商取引からコミュニティ検出までの多様なアプリケーションを持つグラフマイニングにおける基本的問題である。これらのアプリケーションの多くにおいて,基礎となるコンテキストは,時間とともに進化する重み付きハイパーグラフとして,より良くモデル化される。これは,入力が更新のシーケンス(ハイパーエッジ挿入/欠失)を介して変化するので,{em動的設定}における重み付きハイパーグラフの最密サブハイパーグラフを維持する問題を動機づける。以前に,この問題に対する唯一の既知アルゴリズムは,Hu et al.[HWC17]によるものであった。このアルゴリズムは,非加重ハイパーグラフのみに動作し,(1+ε)r ̄2の近似比とO(ポリ(r,logn)の更新時間)を持ち,ここで,rは,すべての更新を通して入力の最大ランクを示した。入力ハイパーグラフが重み付けされた場合でも,この問題に対する新しいアルゴリズムを得た。著者らのアルゴリズムは,rに無関係である(1+ε)とO(poly(r,logn)の類似の更新時間)のかなり改善された(近最適)近似比を有した。それは,加重単純グラフの特殊ケースに対してさえ,第一(1+ε)近似アルゴリズムである。理論解析を補完するために,大規模,実世界データセットに関する動的アルゴリズムによる実験を行った。著者らのアルゴリズムは,精度と効率の両方に関して,最先端の[HWC17]の状態を凌駕する。【JST・京大機械翻訳】