PulseAugur
中
实时 07:52:23
English(EN) Graph Reduction in Multirelational Networks: A Spreading-Oriented Reduction Benchmark

新基准测试评估图缩减对影响力最大化的影响

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了面向传播的缩减基准测试（SORB），这是一个开源框架，旨在评估影响力最大化（IM）模型。SORB将图缩减技术直接整合到评估过程中，从而能够更全面地评估各种真实网络类型和任务设置下的IM算法。使用SORB进行的初步研究表明，图缩减的有效性高度依赖于网络结构和特定的下游任务，稀疏化对单层网络有益，但在展平的多层网络上会导致性能下降。 AI

排序理由 该集群包含一篇学术论文，介绍了一种用于多关系网络中图缩减的新基准测试和评估框架。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 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.AI TIER_1 English(EN) · Mateusz Stolarski, Micha{\l} Czuba, Piotr Bielak, Piotr Br\'odka ·

    Graph Reduction in Multirelational Networks: A Spreading-Oriented Reduction Benchmark

    arXiv:2606.12581v1 Announce Type: cross Abstract: Real-world networks are inherently incomplete, noisy, and dynamically evolving, making it difficult to capture all actors and their relationships. Their scale often renders direct analysis computationally demanding. While influenc…

相关实体

相关话题