Közösségalapú redukciós módszerek fertőzésmaximalizálási problémára
Creators
- 1. Innorenew CoE and University of Primorska, Faculty of Mathematics, Natural Sciences and Information Technologies and University of Szeged, Institute of Informatics
- 2. University of Szeged, Faculty of Science and Informatics
- 3. Innorenew CoE and University of Primorska, Andrej Marušiĉ Institute and University of Szeged, Faculty of Education
- 4. Lulea University of Technology, Department of Computer Science, Electrical and Space Engineering, Embedded Intelligent Systems Lab
Description
A közösségkeresés, azaz a sűrű részgráfok hálózatokból történő kinyerése, valamint gráfokon értelmezett fertőzési modellek napjaink erősen kutatott területeinek számítanak. A valós entitásokat ábrázoló hálózatokkal kapcsolatban megfigyelhető, hogy a csúcsok közötti élek nagyobb sűrűségének köszönhetően a különböző hatások gyorsabban és hatékonyabban terjednek egy közösségen belül, mint a gráf többi részében. A kutatás során a célunk ezen természetes kapcsolat felderítése, valamint olyan módszertan kifejlesztése volt, amely az említett területek összekapcsolásával alkalmas hatékony módszerek kifejlesztésére. Az előadásban különböző redukciós módszerek kerülnek bemutatásra, melyek a fertőzési modellek szempontjából alkalmasak fertőzési algoritmusok hatékonyságának a növelésére a keresési tér szűkítésével, míg a közösségkeresés szempontjából olyan megbízható keretrendszerrel szolgálnak, amelyek képesek a módszerek hatékony összehasonlítására. A tesztelés során a módszereket összesen 1080 darab gráfon nyolc irányítatlan és két irányított közösségkereső módszer segítségével hasonlítottuk össze.
Notes
Files
MOK_absztraktok (1).pdf
Files
(965.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:6ad766e66921a9b433ede2bc41ed7fc1
|
965.3 kB | Preview Download |