کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6861417 | 1439250 | 2018 | 26 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Multilevel approach for combinatorial optimization in bipartite network
ترجمه فارسی عنوان
رویکرد چند سطحی برای بهینه سازی ترکیبی در شبکه دو طرفه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
شبکه های پیچیده شبکه های دو طرفه، بهینه سازی ترکیبی، فراماسونری، بهینه سازی چندسطحی، شبکه های بزرگ
ترجمه چکیده
رویکردهای چندسطحی به کاهش هزینه یک الگوریتم هدف در یک شبکه داده با هدف استفاده از آن به یک نسخه کوچکتر (و یا کاهش) شبکه اصلی می پردازد. آنها با موفقیت در بسیاری از مشاغل، بویژه تشخیص جامعه، به کار گرفته شده اند. با این حال، راه حل های فعلی به طور مستقیم به شبکه های دو طرفه قابل اجرا نیست و ادبیات مطالعاتی ندارند که کاربرد آنها را برای حل مشکلات بهینه سازی چند سطحی در چنین شبکه هایی نشان می دهد. در این مقاله به این شکاف پرداخته شده و رویکرد بهینه سازی چند سطحی برای شبکه های دو طرفه و اجرای یک چارچوب کلی چند سطحی شامل الگوریتم های جدیدی را برای توزیع و عدم تحرک، قابل اجرا برای انواع مشکلات ارائه می دهد. ما تحلیل می کنیم که چگونه استراتژی چند سطحی پیشنهادی بر ویژگی های توپولوژیک شبکه های دو طرفه تأثیر می گذارد و نشان می دهد که یک استراتژی توزیع کنترل شده می تواند خواص هایی مانند مرزهای ضریب همبستگی و درجه بندی را حفظ کند. کاربرد چارچوب کلی در دو مسئله بهینه سازی، یکی برای حل مدولار باربر برای تشخیص جامعه و دیگری برای کاهش ابعاد در طبقه بندی متن، نشان داده شده است. ما نشان می دهیم که راه حل های به دست آمده از لحاظ آماری معادل با دقت نسبت به روش های متعارف معادل است، در حالی که نیاز به زمان قابل ملاحظه ای پایین تر است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Multilevel approaches aim at reducing the cost of a target algorithm over a given network by applying it to a coarsened (or reduced) version of the original network. They have been successfully employed in a variety of problems, most notably community detection. However, current solutions are not directly applicable to bipartite networks and the literature lacks studies that illustrate their application for solving multilevel optimization problems in such networks. This article addresses this gap and introduces a multilevel optimization approach for bipartite networks and the implementation of a general multilevel framework including novel algorithms for coarsening and uncorsening, applicable to a variety of problems. We analyze how the proposed multilevel strategy affects the topological features of bipartite networks and show that a controlled coarsening strategy can preserve properties such as degree and clustering coefficient centralities. The applicability of the general framework is illustrated in two optimization problems, one for solving the Barber's modularity for community detection and the second for dimensionality reduction in text classification. We show that the solutions thus obtained are statistically equivalent, regarding accuracy, to those of conventional approaches, whilst requiring considerably lower execution times.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 151, 1 July 2018, Pages 45-61
Journal: Knowledge-Based Systems - Volume 151, 1 July 2018, Pages 45-61
نویسندگان
Alan Valejo, Maria Cristina Ferreira de Oliveira, Geraldo P.R. Filho, Alneu de Andrade Lopes,