PulseAugur
实时 22:36:12
English(EN) Community-Aware Vertex Ordering for Reference-Based Graph Compression: A Cross-Encoder Empirical Study

新的顶点排序方法提高了图压缩效率

研究人员开发了一种新的图压缩顶点排序方法Leiden+LLP,通过分析图中的社区结构来提高效率。该方法在各种数据集和压缩编码器上显示出显著的节省,每条边的比特数减少了0.3到5.4。研究还引入了三种新的基于参考的编码器(BG、CS和CG),与现有方法相比,它们提供了进一步的压缩优势,并具有低开销随机访问的潜力。 AI

影响 提高了图压缩技术的效率,可能影响AI系统中的数据处理。

排序理由 该集群包含一篇详细介绍新方法和实证研究的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jimmy Dubuisson ·

    Community-Aware Vertex Ordering for Reference-Based Graph Compression: A Cross-Encoder Empirical Study

    arXiv:2605.21510v1 Announce Type: cross Abstract: Reference-based graph compression encodes each vertex's neighbor list relative to a recent vertex, exploiting locality to compress large directed graphs. The dominant tool, WebGraph's BVGraph, fixes a single encoding pipeline and …