HyperAIHyperAI

Command Palette

Search for a command to run...

Effiziente Graphlet-Kerne für den Vergleich großer Graphen

S. V. N. Vishwanathan Karsten Borgwardt. Kurt Mehlhorn Tobias Petri Nino Shervashidze

Zusammenfassung

Staat der Technik befindliche Graphkerne skaliert nicht auf große Graphen mit Hunderten von Knoten und Tausenden von Kanten. In diesem Artikel schlagen wir vor, Graphen durch das Zählen von Graphlets zu vergleichen, also von Teilgraphen mit k Knoten, wobei k ∈ {3; 4; 5} gilt. Da die vollständige Enumeration aller Graphlets prohibitiv kostspielig ist, führen wir zwei theoretisch fundierte Beschleunigungsschemata ein: eines basierend auf Stichprobentechniken und ein zweites speziell für Graphen mit beschränktem Grad entworfen. In unserer experimentellen Bewertung zeigen unsere neuartigen Kerne, dass wir große Graphen effizient vergleichen können, die mit bestehenden Graphkernen nicht behandelbar sind.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Effiziente Graphlet-Kerne für den Vergleich großer Graphen | Paper | HyperAI