Глоссарий ИИ
Полный словарь искусственного интеллекта
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
Потоковая обработка рёбер графа по мере их поступления, в противовес моделям, основанным на смежности или узлах.
Temporal Graph Analysis
Изучение эволюции структурных свойств графа с течением времени, фиксирующее динамику, тенденции и возникающие паттерны в потоковых данных.
Sketch-Based Methods
Техники, использующие компактные вероятностные структуры данных для оценки свойств графа с теоретическими гарантиями относительной погрешности.
Graph Summarization
Процесс создания компактного представления большого динамического графа, которое сохраняет основные свойства и позволяет выполнять эффективные запросы.
Semi-Streaming Model
Модель вычислений, в которой алгоритм располагает памятью O(n·polylog n) бит для графа с n узлами, что позволяет хранить степени, но не все рёбра.
Turnstile Model
Модель потоковой обработки, в которой рёбра могут вставляться и удаляться, а их веса могут быть положительными или отрицательными, что требует алгоритмов, устойчивых к контрпримерам.
W-Stream Model
Модель, разрешающая запись промежуточных данных в выходной поток, что ослабляет ограничения по памяти ценой повышенной сложности реализации.
Streaming Triangle Counting
Алгоритм для оценки количества треугольников в динамическом графе в реальном времени, критически важный для обнаружения кластеров и социальной сплочённости.