Báo cáo tài liệu vi phạm
Giới thiệu
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
THỊ TRƯỜNG NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Thông tin
Tài liệu Xanh là gì
Điều khoản sử dụng
Chính sách bảo mật
0
Trang chủ
Công Nghệ Thông Tin
Cơ sở dữ liệu
Managing and Mining Graph Data part 52
Đang chuẩn bị liên kết để tải về tài liệu:
Managing and Mining Graph Data part 52
Ðình Luận
64
10
pdf
Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG
Tải xuống
Managing and Mining Graph Data part 52 is a comprehensive survey book in graph data analytics. It contains extensive surveys on important graph topics such as graph languages, indexing, clustering, data generation, pattern mining, classification, keyword search, pattern matching, and privacy. It also studies a number of domain-specific scenarios such as stream mining, web graphs, social networks, chemical and biological data. The chapters are written by leading researchers, and provide a broad perspective of the area. This is the first comprehensive survey book in the emerging topic of graph data processing. . | Graph Mining Applications to Social Network Analysis 499 Clearly l.hc c nasi-elic ue becomes a clique when 7 1. Note tti t this densitybased group typically dots nos guarantee the nodal degree or readability for each node in the group. St allows the degree of different nodes to vary drasti-cdly ihus seamt more suitable for large-scale networks. In l the maximum .-dense quasi-cliquos are tiasplooed. A greedy algorithm io adopted to idnd - maximal quasi-clique. The quasi-clique is initialized wtth it vcrlrx with the largest cleg ice tn the network. and then expanded with nodet that are 1 ikety lo contriSiuic to a iauge qua-i-clique. This expansion continúen untiO no nodes can loe added to maintain the 7-densityi lividcntly. this itiisccit sorrel for maximal quasi-clique its not optimal. So a subsequent local search procedure fGRAtSP is applied So find a larger maximal quasi-clique in the local neighboxhootl This procedure it tittle do detect a close-to-optimal maximal quasitdique but requires the whois graph to be in main memory. To handie -aogefScale nctworkr. ilie authoos proposed to utilize the procedure above Io find out 1Sos Sower Sound of degreet lor pruning. In each iteration a cuCscI of edges are sampled from tha networks and GRASP is applied to find a locally maximal quasiidlque. Si ipicosc the quasi-clique is of size k it is im-poscihle to include in I.Sic mssximai quari-cliquc a node with degree less than ky all of whose ceii littors also have their degree less than ky. So the node aod its infiden- edges cao te pruned from the graph. This pruning process is repealed until GRASP caa ae applieO directly So the remaining graph to find out time maximaS quasi-clique. Pot a directed graili like 1tac Web. tise work tn 19 extends the complete-btpartite core 29 to 7-siente bipartite. X Y is a 7-dense bipartite if .x G X X x n Y y YI 31.2 Vy G Y X- y n X 7 X 3.3 where 7 ami 7 are user psovidod constants. OXs authors derive a heuristic to islficti ntioi prune the .
TÀI LIỆU LIÊN QUAN
Managing and Mining Graph Data part 62
Managing and Mining Graph Data part 1
Managing and Mining Graph Data part 2
Managing and Mining Graph Data part 3
Managing and Mining Graph Data part 4
Managing and Mining Graph Data part 5
Managing and Mining Graph Data part 6
Managing and Mining Graph Data part 7
Managing and Mining Graph Data part 8
Managing and Mining Graph Data part 9
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.