MétaCan
Menu
Retour à la cohorte
Enregistrement W2294341534 · doi:10.1145/2151171.2151177

Elimination graphs

2012· article· en· W2294341534 sur OpenAlexaff
Yuli Ye, Allan Borodin

Notice bibliographique

RevueACM Transactions on Algorithms · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Graph Theory Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCombinatoricsChordal graphMathematicsSplit graphDiscrete mathematicsBlock graphIndifference graphIntersection graphPathwidthIndependent setLine graphGraph1-planar graph

Résumé

récupéré en direct d'OpenAlex

In this article we study graphs with inductive neighborhood properties. Let P be a graph property, a graph G = ( V, E ) with n vertices is said to have an inductive neighborhood property with respect to P if there is an ordering of vertices v 1 , …, v n such that the property P holds on the induced subgraph G [ N ( v i )∩ V i ], where N ( v i ) is the neighborhood of v i and V i = { v i , …, v n }. It turns out that if we take P as a graph with maximum independent set size no greater than k , then this definition gives a natural generalization of both chordal graphs and ( k + 1)-claw-free graphs. We refer to such graphs as inductive k -independent graphs. We study properties of such families of graphs, and we show that several natural classes of graphs are inductive k -independent for small k . In particular, any intersection graph of translates of a convex object in a two dimensional plane is an inductive 3 -independent graph; furthermore, any planar graph is an inductive 3 -independent graph. For any fixed constant k , we develop simple, polynomial time approximation algorithms for inductive k -independent graphs with respect to several well-studied NP-complete problems. Our generalized formulation unifies and extends several previously known results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,006
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0370,008

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,312
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM Transactions on AlgorithmsMême sujetAdvanced Graph Theory ResearchTravaux en français237 207