کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945154 1438298 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A polygraph test for trustworthy structural similarity
ترجمه فارسی عنوان
آزمون چند ضلعی برای شباهت ساختاری قابل اعتماد
کلمات کلیدی
اقدامات مشابهی، اقدامات فاصله، خطاهای قضاوت مشابهی کیفیت قضاوت مشابهی، بازیابی اطلاعات،
ترجمه چکیده
آیا شباهت یا اقدامات فاصله هرگز اشتباه است؟ ذهنیت ذاتی در تشخیص شباهت به مدت طولانی از این دیدگاه پشتیبانی کرده است که همه قواعد شباهت به همان اندازه معتبر هستند و هر گونه اندازه گیری شباهت انتخاب شده تنها در برخی از حوزه های انتخاب شده موثرتر در نظر گرفته می شود. این مقاله شواهدی را ارائه می دهد که چنین دیدگاهی برای یک مورد خاص از شباهت ساختاری نسبی نادرست است. در این زمینه، تشابه و اندازه گیری های دور، گاهی اوقات اشتباه می کنند، و قضاوت هایی را ایجاد می کنند که می تواند به عنوان خطا در قضاوت در نظر گرفته شود. این ادعا توسط یک روش جدید برای ارزیابی کیفیت شباهت ساختاری و توابع فاصله پشتیبانی می شود که براساس مقیاس نسبی شباهت نسبت به اشخاص مرجع انتخاب شده است. روش ممکن است با استفاده از مجموعه داده های گرافیکی مصنوعی یا با نمودار هایی که اشیا را در یک دامنه کاربردی مورد استفاده قرار می دهند، اعمال شود. این کار روش را بر روی مجموعه داده های مصنوعی با روش های مشترک تشابه ساختاری در نمودار نشان می دهد. در نهایت، این مقاله سه نوع متفاوت از خطاهای قضاوت نسبی نسبی را شناسایی می کند و نشان می دهد که چگونه توزیع این خطاها مربوط به ویژگی های گراف در معیارهای مشترک شباهت است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Do similarity or distance measures ever go wrong? The inherent subjectivity in similarity discernment has long supported the view that all judgements of similarity are equally valid, and that any selected similarity measure may only be considered more effective in some chosen domain. This article presents evidence that such a view is incorrect for the specific case of relative structural similarity. In this context, similarity and distance measures occasionally do go wrong, producing judgements that can be considered as errors in judgement. This claim is supported by a novel method for assessing the quality of structural similarity and distance functions, which is based on relative scale of similarity with respect to chosen reference objects. The method may be applied either with synthetic graph datasets or with graphs representing objects in an application domain of interest. This work demonstrates the method over synthetic datasets with common measures of structural similarity in graphs. Finally, the article identifies three distinct kinds of relative similarity judgement errors, and shows how the distribution of these errors is related to graph properties under common similarity measures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Systems - Volume 64, March 2017, Pages 194-205
نویسندگان
, , ,