Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Graph Streaming
Paradigme de traitement où les arêtes d'un graphe arrivent séquentiellement sous forme de flux, nécessitant des algorithmes capables de maintenir des informations pertinentes avec des contraintes de mémoire strictes.
Stream Sampling
Méthode de sélection probabiliste d'un sous-ensemble représentatif d'arêtes du flux pour estimer les propriétés du graphe global tout en respectant les contraintes de mémoire.
Incremental Graph Processing
Approche où les calculs sont mis à jour progressivement à mesure que de nouvelles arêtes arrivent, évitant le retraitement complet du graphe à chaque modification.
Memory-Efficient Algorithms
Algorithmes conçus spécifiquement pour opérer avec une mémoire sublinéaire par rapport à la taille du graphe, souvent en utilisant des structures de données compactes et des approximations.
Real-Time Graph Analytics
Capacité d'extraire des informations pertinentes d'un flux de graphe avec des latences garanties, typiquement en millisecondes ou secondes après l'arrivée des nouvelles arêtes.
Dynamic Graph Updates
Gestion des insertions et suppressions d'arêtes et de nœuds dans un graphe continu, nécessitant des structures de données adaptables et des algorithmes de maintenance.
Approximation Algorithms
Algorithmes qui fournissent des solutions garanties dans un facteur d'approximation de l'optimal, échangeant précision contre efficacité en mémoire et temps dans le contexte du streaming.
Single-Pass Algorithms
Algorithmes qui ne nécessitent qu'une seule lecture du flux de données pour produire leur résultat, impossibles à réexécuter sur les données passées dans un environnement de streaming.
Edge Stream Processing
Traitement séquentiel des arêtes d'un graphe telles qu'elles arrivent dans le flux, par opposition aux modèles basés sur les adjacences ou les nœuds.
Temporal Graph Analysis
Étude de l'évolution des propriétés structurelles d'un graphe au fil du temps, capturant les dynamiques, tendances et patterns émergents dans les données de streaming.
Sketch-Based Methods
Techniques utilisant des structures de données probabilistes compactes pour estimer les propriétés du graphe avec des garanties théoriques sur l'erreur relative.
Graph Summarization
Processus de création d'une représentation compacte d'un grand graphe dynamique qui préserve les propriétés essentielles tout en permettant des requêtes efficaces.
Semi-Streaming Model
Modèle de calcul où l'algorithme dispose d'une mémoire de O(n·polylog n) bits pour un graphe avec n nœuds, permettant de stocker les degrés mais pas toutes les arêtes.
Turnstile Model
Modèle de streaming où les arêtes peuvent être insérées et supprimées, avec des poids pouvant être positifs ou négatifs, nécessitant des algorithmes robustes aux contre-exemples.
W-Stream Model
Modèle autorisant l'écriture de données intermédiaires sur un flux de sortie, relaxant les contraintes de mémoire au prix d'une complexité d'implémentation accrue.
Streaming Triangle Counting
Algorithme pour estimer le nombre de triangles dans un graphe dynamique en temps réel, crucial pour détecter les clusters et la cohésion sociale.