Complex Network Analysis of the Contiguous United States Graph
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We model the contiguous states (48 states and the District of Columbia) of the United States (US) as an undirected network graph with each state represented as a node and there is an edge between two nodes if the corresponding two states share a common border. We determine a ranking of the states in the US with respect to a suite of node-level metrics: the centrality metrics (degree, eigenvector, betweenness and closeness), eccentricity, maximal clique size, and local clustering coefficient. We propose a normalization-based approach to obtain a comprehensive centrality ranking of the vertices (that is most likely to be tie-free) encompassing the normalized values of the four centrality metrics. We have applied the proposed normalization-based approach on the US States graph to obtain a tie-free ranking of the vertices based on a comprehensive centrality score. We observe the state of Missouri to be the most central state with respect to all the four centrality metrics. We have also analyzed the US States graph with respect to a suite of network-level metrics: bipartivity index, assortativity index, modularity, size of the minimum connected dominating set, algebraic connectivity and degree metrics. The approach taken in this paper could be useful for several application domains: transportation networks (to identify central hubs), politics (to identify campaign venues with larger geographic coverage), cultural and electoral studies (to identify communities of states that are relatively proximal to each other) and etc.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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