एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
ग्राफ स्ट्रीमिंग
एक प्रोसेसिंग पैराडाइम जहां एक ग्राफ के किनारे एक स्ट्रीम के रूप में अनुक्रमिक रूप से आते हैं, जिसके लिए कड़ी मेमोरी बाधाओं के साथ प्रासंगिक जानकारी बनाए रखने में सक्षम एल्गोरिदम की आवश्यकता होती है।
स्ट्रीम सैंपलिंग
ग्लोबल ग्राफ के गुणों का अनुमान लगाने के लिए स्ट्रीम से किनारों के एक प्रतिनिधि उपसमुच्चय का प्रायिकतावादी चयन करने की विधि, मेमोरी बाधाओं का पालन करते हुए।
इनक्रीमेंटल ग्राफ प्रोसेसिंग
एक ऐसा दृष्टिकोण जहां गणना धीरे-धीरे अपडेट की जाती है क्योंकि नए किनारे आते हैं, प्रत्येक संशोधन पर ग्राफ के पूर्ण पुन: प्रसंस्करण से बचते हुए।
मेमोरी-एफिशिएंट एल्गोरिदम
विशेष रूप से ग्राफ के आकार के संबंध में सबलिनियर मेमोरी के साथ काम करने के लिए डिज़ाइन किए गए एल्गोरिदम, अक्सर कॉम्पैक्ट डेटा संरचनाओं और अनुमानों का उपयोग करते हुए।
रियल-टाइम ग्राफ एनालिटिक्स
ग्राफ स्ट्रीम से प्रासंगिक जानकारी निकालने की क्षमता, गारंटीकृत विलंबता के साथ, आमतौर पर नए किनारों के आने के बाद मिलीसेकंड या सेकंड में।
डायनामिक ग्राफ अपडेट्स
नोड्स और किनारों के निरंतर ग्राफ में प्रविष्टियों और हटाने का प्रबंधन, जिसमें अनुकूलनीय डेटा संरचनाओं और रखरखाव एल्गोरिदम की आवश्यकता होती है।
अप्रॉक्सिमेशन एल्गोरिदम
एल्गोरिदम जो इष्टतम के अनुमान कारक में गारंटीकृत समाधान प्रदान करते हैं, स्ट्रीमिंग के संदर्भ में सटीकता को मेमोरी और समय दक्षता के लिए बदलते हुए।
सिंगल-पास एल्गोरिदम
एल्गोरिदम जिन्हें अपना परिणाम उत्पन्न करने के लिए डेटा स्ट्रीम की केवल एक बार पढ़ने की आवश्यकता होती है, स्ट्रीमिंग वातावरण में भूतकालीन डेटा पर फिर से निष्पादित करना असंभव है।
एज स्ट्रीम प्रोसेसिंग
ग्राफ के किनारों का अनुक्रमिक प्रसंस्करण जैसे ही वे धारा में आते हैं, आसन्नता या नोड्स पर आधारित मॉडल के विपरीत।
टेम्पोरल ग्राफ एनालिसिस
समय के साथ ग्राफ की संरचनात्मक गुणों के विकास का अध्ययन, स्ट्रीमिंग डेटा में गतिशीलता, प्रवृत्तियों और उभरते पैटर्न को पकड़ना।
स्केच-आधारित विधियाँ
ग्राफ के गुणों का अनुमान लगाने के लिए संकुचित प्रायिकतात्मक डेटा संरचनाओं का उपयोग करने वाली तकनीकें, सापेक्ष त्रुटि पर वैचारिक गारंटी के साथ।
ग्राफ सारांशण
एक बड़े गतिशील ग्राफ की संकुचित प्रतिनिधित्व बनाने की प्रक्रिया जो मूल गुणों को संरक्षित रखते हुए प्रभावी प्रश्नों की अनुमति देता है।
सेमी-स्ट्रीमिंग मॉडल
गणना मॉडल जहां एल्गोरिथ्म में n नोड्स वाले ग्राफ के लिए O(n·polylog n) बिट्स की मेमोरी होती है, जो डिग्री को संग्रहीत करने की अनुमति देता है लेकिन सभी किनारों को नहीं।
टर्नस्टाइल मॉडल
स्ट्रीमिंग मॉडल जहां किनारों को सम्मिलित और हटाया जा सकता है, जिसमें भार सकारात्मक या नकारात्मक हो सकते हैं, जिसके लिए मजबूत एल्गोरिदम की आवश्यकता होती है।
डब्ल्यू-स्ट्रीम मॉडल
मॉडल जो आउटपुट स्ट्रीम पर अंतरिम डेटा लिखने की अनुमति देता है, बढ़ी हुई लागूकरण जटिलता की कीमत पर मेमोरी बाधाओं को शिथिल करता है।
स्ट्रीमिंग त्रिकोण गणना
गतिशील ग्राफ में त्रिकोणों की संख्या का अनुमान लगाने के लिए रियल-टाइम में एल्गोरिथ्म, क्लस्टर और सामाजिक सामंजस्य का पता लगाने के लिए महत्वपूर्ण।