MétaCan
Menu
Retour à la cohorte
Enregistrement W4389914592 · doi:10.1142/s021819592350005x

Maximum Bipartite Subgraphs of Geometric Intersection Graphs

2023· article· en· W4389914592 sur OpenAlexaff
Satyabrata Jana, Anil Maheshwari, Saeed Mehrabi, Sasanka Roy

Notice bibliographique

RevueInternational Journal of Computational Geometry & Applications · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCombinatoricsBipartite graphMathematicsIntersection graphIntersection (aeronautics)Complete bipartite graphUnit (ring theory)Unit disk graphSet (abstract data type)GraphDiscrete mathematicsLine graphComputer science

Résumé

récupéré en direct d'OpenAlex

We study the Maximum Bipartite Subgraph ([Formula: see text]) problem, which is defined as follows. Given a set [Formula: see text] of [Formula: see text] geometric objects in the plane, we want to compute a maximum-size subset [Formula: see text] such that the intersection graph of the objects in [Formula: see text] is bipartite. We first give an [Formula: see text]-time algorithm that computes an almost optimal solution for the problem on circular-arc graphs. We show that the [Formula: see text] problem is [Formula: see text]-hard on geometric graphs for which the maximum independent set is [Formula: see text]-hard (hence, it is [Formula: see text]-hard even on unit squares and unit disks). On the other hand, we give a [Formula: see text] for the problem on unit squares and unit disks. Moreover, we show fast approximation algorithms with small-constant factors for the problem on unit squares, unit disks, and unit-height axis parallel rectangles. Additionally, we prove that the Maximum Triangle-free Subgraph ([Formula: see text]) problem is NP-hard for axis-parallel rectangles. Here the objective is the same as that of the [Formula: see text] except the intersection graph induced by the set [Formula: see text] needs to be triangle-free only (instead of being bipartite).

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Geometry & ApplicationsMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207