Scalable Algorithms for Data and Network Analysis
À l'ère du Big Data, les algorithmes efficaces sont plus demandés que jamais. Si le Big Data nous fait entrer dans le monde asymptotique envisagé par nos pionniers, il remet également en question la notion classique d'algorithmes efficaces : Les algorithmes qui étaient considérés comme efficaces, selon la caractérisation en temps polynomial, peuvent ne plus être adéquats pour résoudre les problèmes d'aujourd'hui.
Il n'est pas seulement souhaitable mais essentiel que les algorithmes efficaces soient évolutifs. En d'autres termes, leur complexité doit être presque linéaire ou sous-linéaire par rapport à la taille du problème. Ainsi, l'extensibilité, et pas seulement la calculabilité en temps polynomial, devrait être élevée au rang de notion centrale de complexité pour caractériser le calcul efficace.
Scalable Algorithms for Data and Network Analysis (Algorithmes évolutifs pour l'analyse des données et des réseaux) passe en revue une famille de techniques algorithmiques pour la conception d'algorithmes évolutifs. Ces techniques comprennent l'exploration de réseaux locaux, l'échantillonnage avancé, la sparsification et le partitionnement géométrique.
Elles comprennent également des méthodes spectrales de la théorie des graphes, telles que celles utilisées pour le calcul des flux électriques et l'échantillonnage des champs aléatoires gaussiens de Markov. Ces méthodes illustrent la fusion de la pensée combinatoire, numérique et statistique dans l'analyse des réseaux.
Scalable Algorithms for Data and Network Analysis illustre l'utilisation de ces techniques par quelques problèmes de base qui sont fondamentaux dans l'analyse des données de réseaux, en particulier pour l'identification des nœuds significatifs et des grappes/communautés cohérentes dans les réseaux sociaux et d'information. Il aborde également certains cadres au-delà des modèles de la théorie des graphes pour étudier les questions conceptuelles qui se posent dans l'analyse des réseaux et les influences sociales.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)