এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ডিগ্রি কেন্দ্রীয়তা
একটি নোডের গুরুত্ব পরিমাপ করে তার সংযুক্ত প্রান্তের সংখ্যা গণনা করে, যা নেটওয়ার্কে তার সরাসরি সংযোগের মাত্রা নির্দেশ করে।
বিটুইননেস কেন্দ্রীয়তা
গ্রাফের সমস্ত নোড জোড়ার মধ্যে সংক্ষিপ্ততম পথে একটি নোডের উপস্থিতির ফ্রিকোয়েন্সি পরিমাপ করে তার প্রভাব মূল্যায়ন করে।
ক্লোজনেস কেন্দ্রীয়তা
নেটওয়ার্কের অন্যান্য সমস্ত নোডের দিকে সংক্ষিপ্ততম দূরত্বের গড় গণনা করে একটি নোডের অ্যাক্সেস দক্ষতা মূল্যায়ন করে।
আইগেনভেক্টর কেন্দ্রীয়তা
পুনরাবৃত্তিমূলক সংযোগের উপর ভিত্তি করে প্রভাবের পরিমাপ, যেখানে একটি নোডের গুরুত্ব তার সংযুক্ত নোডগুলির গুরুত্বের উপর নির্ভর করে।
ক্লাস্টারিং সহগ
এর প্রতিবেশীদের সাথে ত্রিভুজ গঠনের জন্য একটি নোডের প্রবণতা পরিমাপ করে, এইভাবে তার অবিলম্বে প্রতিবেশীতে স্থানীয় সংযোগের ঘনত্ব পরিমাপ করে।
পেজর্যাঙ্ক
আগত লিঙ্কের গুণমান এবং পরিমাণের উপর ভিত্তি করে নোডগুলিকে গুরুত্বের স্কোর বরাদ্দ করে এমন একটি পুনরাবৃত্তিমূলক অ্যালগরিদম, মূলত ওয়েব পৃষ্ঠাগুলির র্যাঙ্কিংয়ের জন্য তৈরি।
নোড এমবেডিংস
একটি গ্রাফের নোডগুলির ঘন এবং নিম্ন-মাত্রিক ভেক্টর উপস্থাপনা, একটি অবিচ্ছিন্ন স্থানে তাদের কাঠামোগত এবং সম্পর্কিত বৈশিষ্ট্যগুলি ক্যাপচার করে।
নোডটুভেক
গ্রাফে কাঠামোগত এবং নৈকট্য সমতুল্যতা একই সাথে ক্যাপচার করার জন্য পক্ষপাতদুষ্ট এলোমেলো ওয়াক ব্যবহার করে নোড উপস্থাপনা শেখার অ্যালগরিদম।
ডিপওয়াক
একটি অননিরীক্ষিত পদ্ধতি যা ট্রাঙ্কেটেড র্যান্ডম ওয়াক এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণের স্কিপ-গ্রাম মডেল সংমিশ্রণ করে নোড এমবেডিং তৈরি করে।
গ্রাফ নিউরাল নেটওয়ার্ক
একটি গভীর শিক্ষণ আর্কিটেকচার যা গ্রাফ কাঠামো সরাসরি প্রক্রিয়া করার জন্য ডিজাইন করা হয়েছে, নোডগুলির মধ্যে সংযোগের মাধ্যমে তথ্য প্রসারিত এবং সমষ্টিবদ্ধ করে।
অ্যাডজেসেন্সি ম্যাট্রিক্স
একটি গ্রাফের বর্গাকার ম্যাট্রিক্স উপস্থাপনা যেখানে প্রতিটি উপাদান সংশ্লিষ্ট নোডগুলির মধ্যে একটি এজের উপস্থিতি বা অনুপস্থিতি নির্দেশ করে।
গ্রাফ স্পেকট্রাম
গ্রাফের অ্যাডজেসেন্সি বা ল্যাপ্লাসিয়ান ম্যাট্রিক্সের আইগেনভ্যালুগুলির সেট, যা এর গঠন এবং টপোলজিকাল বৈশিষ্ট্যগুলির উপর গ্লোবাল তথ্য প্রদান করে।
গ্রাফ মোটিফ
পুনরাবৃত্ত এবং পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ সাবগ্রাফ যা এলোমেলো গ্রাফের তুলনায় বেশি ঘন ঘন প্রদর্শিত হয়, মৌলিক গঠনমূলক প্যাটার্ন প্রকাশ করে।
কমিউনিটি শনাক্তকরণ
একটি অ্যালগরিদমিক প্রক্রিয়া যা গ্রাফে ঘনভাবে পরস্পর সংযুক্ত এবং অন্যান্য গ্রুপের সাথে দুর্বলভাবে সংযুক্ত নোডগুলির গ্রুপ শনাক্ত করার লক্ষ্যে।
জ্যাকার্ড সাদৃশ্য
দুটি নোডের প্রতিবেশী সেটের ছেদ এবং ইউনিয়নের আকারের অনুপাত গণনা করে তাদের মধ্যে সাদৃশ্যের ডিগ্রি পরিমাপকারী মেট্রিক।
ওয়াকটুভেক
একটি এমবেডিং কৌশল যা নোডগুলির নৈকট্য এবং গঠনমূলক বৈশিষ্ট্যগুলি সংরক্ষণের জন্য র্যান্ডম ওয়াকের প্যাটার্ন ক্যাপচার করে ভেক্টর উপস্থাপনা তৈরি করে।
মডুলারিটি
একটি সম্প্রদায় বিভাজনের গুণমান পরিমাপ করে যা একটি এলোমেলো নাল মডেলের তুলনায় অভ্যন্তরীণ-সম্প্রদায় সংযোগের ঘনত্ব মূল্যায়ন করে।
টপোলজিকাল বর্ণনাকারী
গ্রাফের অন্তর্নিহিত গঠনমূলক বৈশিষ্ট্যগুলি বর্ণনা করা পরিমাণগত বৈশিষ্ট্যগুলির সমষ্টি, যার মধ্যে ডিগ্রি বন্টন এবং বৈশিষ্ট্যপূর্ণ পথ অন্তর্ভুক্ত।
ক্যাটজ কেন্দ্রীয়তা
সমস্ত নোড পথকে একটি ক্ষয় ফ্যাক্টর দিয়ে ওজন করে কেন্দ্রীয়তার পরিমাপ, দীর্ঘ পথের তুলনায় সংক্ষিপ্ত পথকে বেশি গুরুত্ব দেয়।
গ্রাফলেটস
ক্ষুদ্র অ-সমরূপী প্ররোচিত উপ-গ্রাফ যা জটিল নেটওয়ার্কে নোডের স্থানীয় পরিবেশকে সূক্ষ্মভাবে চিহ্নিত করার জন্য গঠনমূলক আদিম হিসাবে কাজ করে।