論文の概要: How to choose the most appropriate centrality measure? A decision tree
approach
- arxiv url: http://arxiv.org/abs/2003.01052v6
- Date: Sun, 27 Aug 2023 20:04:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 02:31:05.909613
- Title: How to choose the most appropriate centrality measure? A decision tree
approach
- Title（参考訳）: 最も適切な集中度尺度をどうやって選ぶか?
決定木アプローチ
- Authors: Pavel Chebotarev and Dmitry Gubanov
- Abstract要約: 簡単なグラフ上での集中度挙動の専門的な概念に依拠したカリング法を導入する。
このアプローチを、新しいカーネルベースの指標を含む40の中央集権の多様な集合に適用する。
カルリング法を適用することで、いくつかの中心性指標に関する洞察に富んだ知見が得られる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Centrality metrics play a crucial role in network analysis, while the choice
of specific measures significantly influences the accuracy of conclusions as
each measure represents a unique concept of node importance. Among over 400
proposed indices, selecting the most suitable ones for specific applications
remains a challenge. Existing approaches -- model-based, data-driven, and
axiomatic -- have limitations, requiring association with models, training
datasets, or restrictive axioms for each specific application. To address this,
we introduce the culling method, which relies on the expert concept of
centrality behavior on simple graphs. The culling method involves forming a set
of candidate measures, generating a list of as small graphs as possible needed
to distinguish the measures from each other, constructing a decision-tree
survey, and identifying the measure consistent with the expert's concept. We
apply this approach to a diverse set of 40 centralities, including novel
kernel-based indices, and combine it with the axiomatic approach. Remarkably,
only 13 small 1-trees are sufficient to separate all 40 measures, even for
pairs of closely related ones. By adopting simple ordinal axioms like
Self-consistency or Bridge axiom, the set of measures can be drastically
reduced making the culling survey short. Applying the culling method provides
insightful findings on some centrality indices, such as PageRank, Bridging, and
dissimilarity-based Eigencentrality measures, among others. The proposed
approach offers a cost-effective solution in terms of labor and time,
complementing existing methods for measure selection, and providing deeper
insights into the underlying mechanisms of centrality measures.
- Abstract（参考訳）: 集中度メトリクスはネットワーク分析において重要な役割を果たすが、特定の尺度の選択は、各尺度がノードの重要性というユニークな概念を表しているため、結論の正確さに大きく影響する。
提案されている400以上のインデックスのうち、特定のアプリケーションに適したものを選択することは依然として課題である。
既存のアプローチ – モデルベース、データ駆動、アクシオマティクス – には制限があり、モデル、トレーニングデータセット、あるいは特定のアプリケーション毎に制限された公理と関連する必要がある。
そこで本研究では,単純なグラフ上での集中行動の専門的概念に依拠するカルリング法を提案する。
カルリング法は、一連の候補尺度を作成し、各指標を区別するために可能な限り小さなグラフのリストを生成し、意思決定木調査を構築し、専門家の概念と一致する尺度を特定することを含む。
我々は、このアプローチを、新しいカーネルベースのインデックスを含む、40の多様な中心性セットに適用し、それを公理的アプローチと組み合わせる。
注目すべきは、40の測度を全て分離するのには13個の小さな1-木しか不十分である。
自己整合性やブリッジ公理のような単純な順序公理を採用することで、一連の測度を劇的に減らし、カリングサーベイを短くすることができる。
カルリング法を適用すると、ページランク、ブリッジング、異種性に基づく固有集中度指標など、いくつかの中央集中度指標についての洞察深い知見が得られる。
提案手法は、労働時間の観点からコスト効率の高いソリューションを提供し、選択を測る既存の手法を補完し、中央集権度対策のメカニズムに関する深い洞察を提供する。
関連論文リスト
- A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers [4.239829789304117]
そこで本研究では,マルチ基準解析に基づいて単一対実数を選択するマルチステージアンサンブル手法を提案する。
提案手法は、検討された品質指標の魅力的な妥協値を持つ、完全に実行可能な対策を生成できる。
論文 参考訳（メタデータ） (2024-03-20T19:25:11Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Simple Steps to Success: A Method for Step-Based Counterfactual Explanations [9.269923473051138]
本稿では,データ駆動型モデル依存型フレームワークを提案する。
計算効率のよいStEPはデータ多様体に沿って漸進的なステップを提供し、ユーザを望ましい結果へと誘導する。
論文 参考訳（メタデータ） (2023-06-27T15:35:22Z) - Cutting Plane Selection with Analytic Centers and Multiregression [2.8757106397019228]
緩和可能な集合の関連部分を分離する程度を定量化することにより、カットの値を評価するための新しい距離ベースの尺度を提案する。
距離測定の選択が根ノード性能および枝・枝木全体に与える影響を評価する。
解析中心に基づく手法は,探索空間の探索に必要な分岐ノードの数を大幅に削減できることを示す。
論文 参考訳（メタデータ） (2022-12-14T14:06:27Z) - Composed Image Retrieval with Text Feedback via Multi-grained
Uncertainty Regularization [73.04187954213471]
粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。
提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
論文 参考訳（メタデータ） (2022-11-14T14:25:40Z) - Measurement-based Admission Control in Sliced Networks: A Best Arm
Identification Approach [68.8204255655161]
スライスされたネットワークでは、スライスの共有テナンシは、データフローの適応的な受け入れ制御を必要とする。
一定の信頼度で正しい判断を返すための共同測定・意思決定戦略を考案する。
論文 参考訳（メタデータ） (2022-04-14T12:12:34Z) - Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。
既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。
経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
論文 参考訳（メタデータ） (2022-03-24T03:49:04Z) - A Typology for Exploring the Mitigation of Shortcut Behavior [29.38025128165229]
基本モジュールの共通集合を確立することにより,様々なXIL手法を単一型に統一する。
評価では、全ての手法がモデルの再検討を成功に導く。
しかし、個々のベンチマークタスクに顕著な違いが見られ、アプリケーションに関連する重要な側面が明らかになりました。
論文 参考訳（メタデータ） (2022-03-04T14:16:50Z) - Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。
まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。
そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-25T14:00:18Z) - Selective Classification via One-Sided Prediction [54.05407231648068]
片側予測(OSP)に基づく緩和は、実際に関係する高目標精度体制において、ほぼ最適カバレッジが得られるSCスキームをもたらす。
理論的には,SCとOSPのバウンダリ一般化を導出し,その手法が小さな誤差レベルでのカバレッジにおいて,技術手法の状態を強く上回ることを示す。
論文 参考訳（メタデータ） (2020-10-15T16:14:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。