研究人员提出了关键集问题（CriticalSet problem），该问题专注于识别二分依赖网络中最关键的贡献者。这个问题被证明是NP难的，涉及确定哪些贡献者集合被移除后，会隔离最多的项目。为了解决这个问题，开发了一种新的中心性度量方法，称为ShapleyCov，其灵感来源于Shapley值，并被解释为贡献者离开后所隔离的项目数量的期望值。还提出了一种高效的算法MinCov，该算法在包括大型Wikipedia图在内的各种数据集上，其性能显著优于现有方法。 AI
影响 引入了分析复杂依赖网络的新方法，有可能改进AI系统中的资源分配和风险评估。
排序理由 这是一篇介绍网络分析新问题表述和算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
