MétaCan
Menu
Retour à la cohorte
Enregistrement W4409898124 · doi:10.1142/s0129054125500054

Efficiently Enumerating Spanning Trees of <i>k</i> -Trees

2025· article· en· W4409898124 sur OpenAlexaff
Muhammad Nur Yanhaona, Rahnuma Islam Nishat, Md. Saidur Rahman

Notice bibliographique

RevueInternational Journal of Foundations of Computer Science · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Graph Theory Research
Établissements canadiensBrock University
Organismes subventionnairesBangladesh University of Engineering and Technology
Mots-clésSpanning treeCombinatoricsMathematicsMinimum degree spanning treeWeight-balanced treeTree (set theory)Discrete mathematicsTrémaux treeGraphBinary treeBinary search treeLine graphPathwidth

Résumé

récupéré en direct d'OpenAlex

A spanning tree T of a connected graph G is an acyclic subgraph of G that connects all vertices of G with the minimum number of edges. Spanning tree enumeration is the problem of finding all distinct spanning trees of G and is a well-studied problem in graph theory with applications in various fields. In this paper, we propose an algorithm for enumerating spanning trees of k-trees that runs in [Formula: see text] time and takes [Formula: see text] space for a k-tree G having n vertices, m edges, and [Formula: see text] spanning trees. This is a substantial improvement in time complexity without increasing the space cost over the best spanning tree enumeration algorithm for general graphs which takes [Formula: see text] time and also requires [Formula: see text] space.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0040,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,349
Écart entre enseignants0,331 · 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 tête enseignante, pas un consensus.

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

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Foundations of Computer ScienceMême sujetAdvanced Graph Theory ResearchTravaux en français237 207