Este artículo investiga la construcción de grafos causales implícitos a partir de texto, infiriendo eventos causales intermedios utilizando Grandes Modelos de Lenguaje (LLMs). Compara la construcción de grafos de extremo a extremo con métodos de descubrimiento de cadenas causales y evalúa la validez de las relaciones causales inferidas frente a una base de datos curada.
Este documento explora la detección en el modelo de bloques estocásticos con múltiples clusters, ofreciendo pruebas para las conjeturas de alcanzabilidad. También aborda la BP acíclica y los aspectos de la teoría de la información del modelo.
Este contenido presenta nuevos algoritmos de aproximación para problemas fundamentales de grafos, logrando un rendimiento mejorado. Introduce una aproximación de 7/5 para el TSP gráfico, 3/2 para su versión de camino y 4/3 para el problema del subgrafo 2-conectado por aristas.
Este artigo apresenta um levantamento e uma taxonomia abrangente de métodos de amostragem de grafos. O estudo organiza e classifica as diversas técnicas existentes, oferecendo uma visão estruturada sobre o tema.
El artículo extiende el teorema de Courcelle, demostrando que los modelos de fórmulas MSO2 con variables libres pueden representarse mediante diagramas de decisión de tamaño linealmente parametrizado. Establece límites superiores lineales parametrizados para SDDs basados en treewidth y para OBDDs basados en pathwidth.
AdaGraph es un algoritmo de agrupamiento nativo de grafos, surgido del paradigma Structure-Centric Machine Learning (SC-ML), que disuelve la maldición de la dimensionalidad mediante la sustitución de la computación basada en geometría por la basada en topología. Funciona dentro de la topología de grafos kNN, no requiere la especificación previa del número de clusters y se escala de manera eficiente.
Proponemos PathBoost, un método de refuerzo de árboles de gradiente para clasificación y regresión a nivel de grafo, que aprende características discriminativas basadas en rutas directamente de la estructura del grafo de entrada. Este método introduce adaptaciones para clasificación binaria, incorpora múltiples atributos de nodos y aristas, y selecciona automáticamente nodos ancla, superando o igualando a las redes neuronales de grafos y enfoques de kernel de grafos en varios conjuntos de datos de referencia.
Este contenido presenta una investigación exhaustiva sobre varios algoritmos para encontrar el camino más corto en grafos. Explora las metodologías, complejidades y aplicaciones prácticas de cada algoritmo, ofreciendo una visión profunda para estudiantes e investigadores.
Este documento explora modelos de teoría de grafos para la predicción de mediciones moleculares. La investigación se centra en aplicar estructuras matemáticas para comprender y anticipar propiedades químicas y biológicas.