Sampling k-partite graphs with a given degree sequence
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
Abstract The authors in the paper [15] presented an algorithm that generates uniformly all the bipartite realizations and the other algorithm that generates uniformly all the simple bipartite realizations whenever A is a bipartite degree sequence of a simple graph. The running time of both algorithms is 𝒪(m),where <m:math xmlns:m="http://www.w3.org/1998/Math/MathML"> <m:mrow> <m:mtext>m</m:mtext> <m:mo>=</m:mo> <m:mfrac> <m:mn>1</m:mn> <m:mn>2</m:mn> </m:mfrac> <m:msubsup> <m:mo>∑</m:mo> <m:mrow> <m:mtext>i</m:mtext> <m:mo>=</m:mo> <m:mn>1</m:mn> </m:mrow> <m:mi>n</m:mi> </m:msubsup> <m:mrow> <m:msub> <m:mrow> <m:mtext>a</m:mtext> </m:mrow> <m:mtext>i</m:mtext> </m:msub> </m:mrow> </m:mrow> </m:math> ${\rm{m}} = {1 \over 2}\sum\nolimits_{\rm {i} = 1}^n {{ \rm{a}_\rm {i}}}$ . Let A =(A 1 : A 2 : ... : A k ) be a k -partite degree sequence of a simple graph, where A i has n i entries such that ∑n i =n. In the present article, we give a generalized algorithm that generates uniformly all the k-partite realizations of A and another algorithm that generates uniformly all the simple k-partite realizations of A. The running time of both algorithms is 𝒪(m), where <m:math xmlns:m="http://www.w3.org/1998/Math/MathML"> <m:mrow> <m:mi>m</m:mi> <m:mo>=</m:mo> <m:mfrac> <m:mn>1</m:mn> <m:mn>2</m:mn> </m:mfrac> <m:msubsup> <m:mo>∑</m:mo> <m:mrow> <m:mi>i</m:mi> <m:mo>=</m:mo> <m:mn>1</m:mn> </m:mrow> <m:mi>n</m:mi> </m:msubsup> <m:mrow> <m:msub> <m:mrow> <m:mi>a</m:mi> </m:mrow> <m:mi>i</m:mi> </m:msub> </m:mrow> </m:mrow> </m:math> $m = {1 \over 2}\sum\nolimits_{i = 1}^n {{a_i}}$ .
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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