Este artigo estuda a construção de grafos causais implícitos a partir de texto, inferindo eventos causais intermediários usando Grandes Modelos de Linguagem (LLMs). Ele compara abordagens de construção de grafos de ponta a ponta com métodos de descoberta de cadeias causais e avalia a validade das relações inferidas contra um banco de dados curado.
Este documento explora a detecção no modelo de blocos estocásticos com múltiplos clusters, fornecendo provas para as conjecturas de alcançabilidade. Ele também aborda o processamento BP acíclico e os aspectos informacionais do modelo.
Este conteúdo apresenta novos algoritmos de aproximação para problemas fundamentais de grafos, alcançando melhor desempenho. Ele introduz uma aproximação de 7/5 para o TSP gráfico, 3/2 para sua versão de caminho e 4/3 para o problema do subgrafo 2-aresta-conectado.
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.
O artigo estende o teorema de Courcelle, demonstrando que modelos de fórmulas MSO2 com variáveis livres podem ser representados por diagramas de decisão de tamanho linearmente parametrizado. Ele estabelece limites superiores lineares parametrizados para SDDs com base na treewidth e para OBDDs com base na pathwidth.
AdaGraph é um algoritmo de agrupamento nativo de grafos, nascido do paradigma Structure-Centric Machine Learning (SC-ML), que dissolve a maldição da dimensionalidade substituindo a computação baseada em geometria pela baseada em topologia. Ele opera inteiramente dentro da topologia de grafos kNN, não requer a especificação prévia do número de clusters e escala eficientemente.
Propomos o PathBoost, um método de boosting de árvores gradientes para classificação e regressão em nível de grafo, que aprende características discriminativas baseadas em caminhos diretamente da estrutura de entrada do grafo. Este método introduz adaptações para classificação binária, incorpora múltiplos atributos de nós e arestas, e realiza seleção automática de nós âncora, superando ou igualando redes neurais de grafo e abordagens de kernel de grafo em vários conjuntos de dados.
Este conteúdo apresenta uma pesquisa abrangente sobre diversos algoritmos para encontrar o caminho mais curto em grafos. Ele explora as metodologias, complexidades e aplicações práticas de cada algoritmo, oferecendo uma visão aprofundada para estudantes e pesquisadores.
Este documento explora modelos baseados em teoria de grafos para prever medições moleculares. A pesquisa foca na aplicação de estruturas matemáticas para entender e antecipar propriedades químicas e biológicas.