暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

图谱动态|学苑周刊 NO.170

图谱学苑 2024-01-30
233

本期将分享近期全球知识图谱相关

行业动态、会议课程、论文推荐

—--| 新闻动态 |--—

自主实验室+数字孪生 + 知识图谱

近日,来自剑桥大学的研究团队及其合作者,成功利用自主实验室 + 数字孪生 + 知识图谱这一方法实现了两个分别位于新加坡和英国的自主实验室的远程合作(相隔10800公里),打破了传统实验室的地理和合作限制,为未来科学研究提供了数字化、智能化的崭新范式。研究团队表示,这一方法或许有助于通过增加世界不同地区实验室之间数据和材料流动(迄今仍有相当困难),提高某些类型研究的效率。相关研究论文以“A dynamic knowledge graph approach to distributed self-driving laboratories”为题,发表在近日的科学期刊 Nature Communication 上。

http://t.nxw.so/bYdr2

Amazon IoT TwinMaker

亚马逊云科技宣布,通过与光环新网的紧密合作,在亚马逊云科技(北京)区域推出数字孪生服务Amazon IoT TwinMaker。据介绍,Amazon IoT TwinMaker让开发人员能够汇集来自多个来源(如设备传感器、摄像机和业务应用程序)的数据,并将这些数据结合起来创建一个知识图谱,对企业的楼宇、工厂、工业设备和生产线等现实世界环境进行建模,并通过三维视图(3D)进行可视化呈现。
https://t.hk.uy/b9mk


—--| 会议讲座 |--—

Dagstuhl Seminar——Beyond-Planar Graphs: Models, Structures and Geometric Representations

由加利福尼亚州渥太华大学、澳大利亚悉尼大学等高校组织的Dagstuhl研讨会24062将于 2024年2月4日-2月9日召开。本次Dagstuhl研讨会将研究超平面图,特别是它们的组合和拓扑结构(即密度、厚度、交叉图案、色数、队列数和堆栈数)、计算复杂性和识别算法、几何表示(即直线绘制、折线绘制、交点图)及其在现实世界网络可视化中的应用。本次研讨会的基本科学挑战和重大进展的背后,是对现实世界大型复杂网络的有效可视化算法的实用需求。

详情请访问:

https://www.dagstuhl.de/24062

—--| 论文推荐 |--—

k-plex

本周推荐的是发表于VLDB 2023的论文:Eficient Maximum  -Plex Computation over Large Sparse Graphs,该文提出一种算法求解最大k-plex,作者来自悉尼大学和汉密尔顿学院。

k-plex模型是团(clique)模型的一种松弛形式。设计精确有效的算法来计算图中的最大k-plex最近受到越来越多的关注。然而,现有的算法存在较大的局限性且效率低下。该文提出了一个新的算法kPlexS来解决最大k-plex问题。首先,该文提出了一个新的框架来计算大型稀疏图上的最大k-plex,迭代地提取小的稠密子图,然后通过分支定界搜索来求解每个提取的稠密子图,该框架如下图所示。
其次,该文提出了一种有效的约简算法CTCP,通过穷尽式的顶点约简和边约简来减小输入图的大小。CTCP计算得到的简化图更小,且比现有技术具有更低的时间复杂度。此外,一旦一个顶点被处理并从输入图中移除,该方法就迭代地调用CTCP来缩减图的规模。第三,该文提出了针对从输入图中提取的稠密子图的分支定界算法BBMatrix。BBMatrix用邻接矩阵表示输入图,并利用一阶信息(即单个顶点)和二阶信息(即顶点对)进行约简和定界。此外,该文还提出了增量技术以在递归期间有效地应用约简和定界。实验表明,算法kPlexS优于最先进的算法BnB、Maplex和KpLeX。
该论文链接:https://www.vldb.org/pvldb/vol16/p127-chang.pdf
代码链接:https://lijunchang.github.io/Maximum-kPlex,感兴趣的读者可以关注。


更多链接


对话北大邹磊:要以发展的眼光看图数据库的挑战和机遇

讲座录播 | 邹磊教授:图数据库的概念和应用

gBuilder正式开启公测

gStore 1.2版本正式上线,体验再度升级!

知识图谱成为中国领先金融科技公司的第四大首选技术


内容:胡喆媛、袁知秋、唐静、王图图





诚邀您加入我们的gStore社区,我们将在群内解决使用问题,分享最新成果~


请在微信公众号图谱学苑发送“社区”入群



免责声明本文全部内容均来源于网络开放信息整理,如有侵权,请联系删除

欢迎关注北京大学王选计算机研究所数据管理实验室微信公众号“图谱学苑“
实验室官网:https://mod.wict.pku.edu.cn/
微信社区群:请回复“社区”获取

实验室开源产品图数据库gStore:
gStore官网:http://www.gstore.cn/
GitHub:https://github.com/pkumod/gStore
Gitee:https://gitee.com/PKUMOD/gStore





文章转载自图谱学苑,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论