Bounded degree graphs and hypergraphs with no full rainbow matchings
Notice bibliographique
Résumé
Given a multi-hypergraph G that is edge-colored into color classes E 1 , … , E n , a full rainbow matching is a matching of G that contains exactly one edge from each color class E i . One way to guarantee the existence of a full rainbow matching is to have the size of each color class E i be sufficiently large compared to the maximum degree of G . In this paper, we apply an iterative method to construct edge-colored multi-hypergraphs with a given maximum degree, large color classes, and no full rainbow matchings. First, for every r ≥ 1 and Δ ≥ 2 , we construct edge-colored r -uniform multi-hypergraphs with maximum degree Δ such that each color class has size | E i | ≥ r Δ − 1 and there is no full rainbow matching, which demonstrates that a theorem of Aharoni, Berger, and Meshulam (2005) is best possible. Second, we construct properly edge-colored multigraphs with no full rainbow matchings which disprove conjectures of Delcourt and Postle (2022). Finally, we apply results on full rainbow matchings to list edge-colorings and prove that a color degree generalization of Galvin’s theorem (1995) does not hold.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».