Arrêt de service programmé du vendredi 10 juin 16h jusqu’au lundi 13 juin 9h. Pour en savoir plus
Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Knowledge Discovery in Graphs Through Vertex Separation

Abstract : This paper presents our ongoing work on the Vertex Separator Problem (VSP), and its application to knowledge discovery in graphs representing real data. The classic VSP is modeled as an integer linear program. We propose several variants to adapt this model to graphs with various properties. To evaluate the relevance of our approach on real data, we created two graphs of different size from the IMDb database. The model was applied to the separation of these graphs. The results demonstrate how the model is able to semantically separate graphs into clusters.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal-enac.archives-ouvertes.fr/hal-01521890
Contributeur : Laurence Porte Connectez-vous pour contacter le contributeur
Soumis le : jeudi 18 mai 2017 - 11:53:23
Dernière modification le : mercredi 3 novembre 2021 - 05:37:54

Fichier

vsp-cai2017.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

Citation

Marc Sarfati, Marc Queudot, Catherine Mancel, Marie-Jean Meurs. Knowledge Discovery in Graphs Through Vertex Separation. AI 2017, 30th Canadian Conference on Artificial Intelligence, May 2017, Edmonton, Canada. pp 203-214, ⟨10.1007/978-3-319-57351-9_25⟩. ⟨hal-01521890⟩

Partager

Métriques

Consultations de la notice

166

Téléchargements de fichiers

218