首页/论文/1807.01191

arXiv 1807.011912018-07-07cs.DScs.NI

概率图的近似算法

Approximation Algorithms for Probabilistic Graphs

Kai Han

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文研究了概率图中的k-中值和k-中心问题。我们分析了这些问题的难度，并提出了几个算法与现有的建议相比，提高了近似比。

英文摘要：

We study the k-median and k-center problems in probabilistic graphs. We analyze the hardness of these problems, and propose several algorithms with improved approximation ratios compared with the existing proposals.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于概率近似的关联数据集质量评估

Quality Assessment of Linked Datasets using Probabilistic Approximation

随着关联开放数据应用的日益广泛，通过计算质量度量来评估数据集的质量成为一个至关重要的问题。对于大型和不断发展的数据集，精确的，确定性的计算质量度量是太耗时或昂贵。我们采用概率技术，如水库采样，布隆过滤器和聚类系数估计，以近似但足够准确的方式实现了广泛的数据质量指标。我们的实现集成在全面的数据质量评估框架Luzzu中。我们在广泛相关的链接开放数据集上评估了其性能和准确性。

2015-03-17cs.DBcs.DS

有限数据集上的最小概率有限状态学习问题：复杂性、解与近似

Minimum Probabilistic Finite State Learning Problem on Finite Data Sets: Complexity, Solution and Approximations

在本文中，我们研究的问题，确定一个最小状态概率有限状态机能够产生统计上相同的符号序列提供的样本。这个问题在性质上类似于经典的隐马尔可夫模型问题，并且已经从实践的角度在几个作品中进行了研究，这些作品以Shalizi，C.R.，Shalizi，K.L.，Crutchfield，J. P.（2002）\textit{An algorithm for pattern discovery in time series.}技术报告02-10-060，圣达菲研究所。arxiv.org/abs/cs.LG/0210025.我们发现，根本的问题是$\mathrm{NP}$硬，因此所有现有的多项式时间算法必须是有限数据集上的近似。使用我们的$\mathrm{NP}$ -硬度证明，我们展示了如何构建一个可证明正确的算法，用于构建一个最小状态概率有限状态机给定的数据和经验研究其运行时间。

2017-02-25cs.DScs.FLmath.OC

一种有效的概率图相似性搜索方法

An Efficient Probabilistic Approach for Graph Similarity Search

图相似性搜索是图数据库中一种常见的基本操作。图编辑距离（GED）是最流行的图相似性度量之一，主要是因为它具有广泛的适用性和高度的可解释性。尽管它的流行，精确的GED计算被证明是NP困难的，这可能会导致在大型图的计算效率不令人满意。然而，准确的搜索结果通常是不必要的，尤其是当响应性比准确性更重要时。因此，在本文中，我们提出了一种新的概率方法来有效地估计GED，这是进一步利用图相似性搜索。具体来说，我们首先把分支作为图的基本结构，通过比较图之间的分支，引入一种新的图相似性度量，即，图分支距离（GBD），它可以在多项式时间内高效计算。然后，我们制定的GED和GBD之间的关系，考虑分支的变化归因于图编辑操作的结果，并模拟这个过程的概率方法。通过应用我们的模型，任何两个图之间的GED可以有效地估计其GBD，这些估计最终被用于图相似性搜索。大量的实验表明，该方法在真实数据集和合成数据集上的图相似性搜索中具有更好的准确性、效率和可扩展性。

2018-01-23cs.DBcs.DS

超越谱聚类：用于可微图划分的概率切割

Beyond Spectral Clustering: Probabilistic Cuts for Differentiable Graph Partitioning

本文提出一种统一的概率框架，涵盖多种图切割方法，提供精确的分析上界，为可微图划分提供严谨且稳定的计算基础。

2026-04-01cs.DScs.LGstat.ML

概率网络三角剖分的预处理

Pre-processing for Triangulation of Probabilistic Networks

Institute of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学研究所）

目前最有效的概率网络推理算法建立在网络图的三角剖分上。在本文中，我们表明，预处理可以帮助找到良好的三角剖分概率网络，即三角剖分的最小最大团大小。我们提供了一套规则逐步减少一个图，而不会失去最优性。这种简化使我们能够在更小的图上解决三角剖分问题。从较小图的三角剖分，通过反转缩减步骤获得原始图的三角剖分。我们的实验结果表明，一些著名的现实生活中的概率网络的图形可以三角化最佳的预处理;对于其他网络，他们的图的大小得到了巨大的减少。

2013-01-10cs.AIcs.DS

概率图模型中的动态推理

Dynamic inference in probabilistic graphical models

概率图模型，如马尔可夫随机场（MRF），是有用的描述高维分布的局部依赖结构。概率推理是与图模型相关的基本问题，抽样是解决这一问题的主要方法。在本文中，我们研究的概率推理问题时，图形模型本身是动态变化的时间。这种动态推理问题在今天的应用中自然出现，例如~多变量时间序列数据分析及实用学习程序。我们给出了一个动态算法的抽样为基础的概率推理的MRF，其中每个动态更新可以改变底层图和所有参数的MRF同时，只要总的变化量是有界的。更准确地说，假设MRF具有$n$变量和多项式有界最大次数，并且$N(n)$独立样本足以用于多项式函数$N(\cdot)$的推断。我们的算法动态地保持一个答案的推理问题，使用$\widetilde{O}(n N(n))$空间成本，和$\widetilde{O}(N(n) + n)$增量时间成本后，每次更新的MRF，只要著名的Dobrushin-Shlosman条件满足的MRF。静态的情况下，这需要$Ω(n N(n))$的时间成本重新绘制所有$N(n)$样本时，MRF的变化相比，我们的动态算法给出了一个$\widetildeΩ(\min\{n, N(n)\})$因子加速。我们的方法依赖于一种新型的动态采样技术，该技术将局部马尔可夫链（又名单站点动态）到动态采样算法，以及我们为从图形模型采样建立的“算法Lipschitz”条件，即，当MRF改变一个小的差异时，可以修改样本以…

2020-11-27cs.DS

更多相关论文收起更多论文

关于超图概率图模型

On a hypergraph probabilistic graphical model

University of South Carolina（南卡罗来纳大学）

我们提出了一个有向无环超图框架的概率图形模型，我们称之为贝叶斯超图。有向无圈超图的空间比链图的空间大得多。因此，贝叶斯超图可以比贝叶斯网络或LWF链图更精细地建模因子分解，并为因子分解和干预提供更简单，计算效率更高的过程。贝叶斯超图还允许建模者以图形方式表示交互的因果模式，例如Noisy-OR（没有额外的注释）。本文介绍了贝叶斯超图的全局、局部和两两马尔可夫性质，并证明了它们在什么条件下是等价的。我们定义了一个投影算子，称为阴影，贝叶斯超图映射到链图，并表明贝叶斯超图的马尔可夫性质是等价的，其相应的链图。我们将LWF链图的因果解释扩展到贝叶斯超图，并提供了相应的公式和干预的图形标准。

2018-11-20cs.AIcs.DSmath.CO

ProbGraph：基于概率集表示的高性能高精度图挖掘

ProbGraph: High-Performance and High-Accuracy Graph Mining with Probabilistic Set Representations

重要的图挖掘问题，如聚类，计算要求很高。为了显著加速这些问题，我们提出了ProbGraph：一种图形表示，可以实现简单快速的近似并行图形挖掘，并在工作，深度和结果准确性方面具有强有力的理论保证。其关键思想是使用概率集合表示（如布隆过滤器）来表示顶点集。这些表示比原始顶点集的处理速度快得多，这要归功于矢量化和小尺寸。我们使用这些表示作为重要的并行图挖掘算法，如团计数或聚类的构建块。当使用ProbGraph进行增强时，这些算法的性能显著优于调优的并行精确基线（在32个核心上高达近50倍），同时确保许多输入图形数据集的准确性超过90%。我们的新的边界和算法的基础上，具有理想的统计特性的概率集表示的数据分析社区的单独的兴趣。

2022-11-21cs.DCcs.DS

完全和问题的一种概率方法

A Probabilistic Approach to The Perfect Sum Problem

已知子集和问题是计算机科学领域中的NP难问题，已知最快的方法具有$O(2^{0.3113n})$的运行时复杂度。这个问题的一个修改版本被称为完美和问题，并进一步扩展了子集和的思想。这种扩展导致额外的复杂性，使得难以计算大输入。在本文中，我提出了一个概率的方法，近似的解决方案，完美和问题的近似分布的潜在的总和。由于这个问题是一个扩展的子集和，我们的近似也授予一些概率洞察子集和问题的解决方案。我们利用分布近似模型的子集的数量总和到一定的大小。这些分布近似以两种方式制定：使用边界来证明正态近似，并通过密度估计近似的经验分布。这些近似可以以$O(n)$复杂度计算，并且可以随着输入数据的大小而增加精度，使得其对于大规模组合问题是有用的。代码可在https://github.com/KristofPusztai/PerfectSum上获得。

2022-11-25cs.DSstat.APstat.CO

概率Weisfeiler-Leman算法

The probabilistic Weisfeiler-Leman algorithm

本文提出了一种计算着色图相干闭包的Weisfeiler-Leman算法的概率版本。该算法是蒙特卡罗算法，并在时间上运行$ O(n^{1+ω}\log^2 n) $，其中$ n $是图的顶点数，$ ω< 2.273 $是矩阵乘法指数。

2021-12-24cs.CCcs.DSmath.CO

对概率图查询的近似

Approximating Queries on Probabilistic Graphs

LTCI, Télécom Paris, Institut polytechnique de Paris（电信巴黎学院、巴黎理工学院）；Nanyang Technological University（南洋理工大学）；University of Toronto（多伦多大学）

本文研究了概率图查询的近似算法，探讨了联合FPRAS的可行性及复杂性分析。

2025-12-12cs.DBcs.DS

概率图上同态封闭查询评估的二分类性

The Dichotomy of Evaluating Homomorphism-Closed Queries on Probabilistic Graphs

本文针对概率图上的同态封闭查询，证明了无界查询的评估是#P难的，并结合有界查询的已有分类，给出了完整的数据复杂度二分类，涵盖多种查询片段。

2022-01-06cs.CCcs.DBcs.DS

面向基于图的近似最近邻搜索的概率路由方法

Probabilistic Routing for Graph-Based Approximate Nearest Neighbor Search

Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科）；Graduate School of Information Science and Technology, Osaka University（大阪大学信息科学与技术研究科）

针对基于图的近似最近邻搜索现有路由方法缺乏理论支撑的问题，提出具备概率保证的PEOs方法，可显著提升常用图索引的吞吐量与运行效率。

2024-07-10cs.AIcs.CVcs.DB