Graph sampling techniques are used

Graph sampling techniques are used to get a
smaller but representative snapshot of social
graphs, which preserves properties such as
degree distribution. As shown in [4], the sampling
result of Breadth-First Sampling (BFS) and
Random Walk (RW) are biased toward highdegree
vertices, although they have been widely
used in social graph analysis. The Metropolis-
Hasting RW (MHRW) and a Re-Weighted RW
(RWRW) are proposed and proved to perform
uniformly in sampling Facebook. The article also
introduces online convergence diagnostics to
assess sample quality during the sampling process.
Frontier Sampling (FS) [5], which leverages
multidimensional RW, is proposed to achieve
lower estimation errors than RW, especially in
the presence of disconnected or loosely connected
graphs. Ribeiro et al. [5] show that FS is more
suitable for estimating the tail of degree distribution
than random vertex sampling. Moreover,
FS can be made fully distributed without any
coordination costs.

ผลลัพธ์ (ไทย) 1:

กราฟเทคนิคการสุ่มตัวอย่างที่ถูกนำมาใช้เพื่อให้ได้ภาพรวม
ขนาดเล็ก แต่เป็นตัวแทนของกราฟสังคม
ซึ่งรักษาคุณสมบัติเช่น
กระจายระดับ ดังแสดงใน [4] สุ่มตัวอย่าง
ผลของการสุ่มตัวอย่างกว้างแรก (BFS) และ
เดินสุ่ม (RW) จะเอนเอียงไปทาง highdegree
จุดแม้ว่าพวกเขาจะได้รับการยอมรับอย่างกว้างขวาง
ใช้ในการวิเคราะห์กราฟทางสังคม มหานคร-
เร่ง RW (mhrw) และอีกครั้งน้ำหนัก RW
(rwrw) จะเสนอและได้รับการพิสูจน์ในการดำเนิน
สม่ำเสมอใน facebook ของการสุ่มตัวอย่าง บทความยัง
แนะนำการวินิจฉัยลู่
ออนไลน์เพื่อประเมินคุณภาพตัวอย่างในระหว่างขั้นตอนการสุ่มตัวอย่าง.
ชายแดนสุ่มตัวอย่าง (FS) [5] ซึ่งใช้ประโยชน์จากหลายมิติ
RW, มีการเสนอเพื่อให้บรรลุข้อผิดพลาดประมาณ
ต่ำกว่า RW โดยเฉพาะอย่างยิ่งใน
การแสดงตนของกราฟตัดการเชื่อมต่อหรือการเชื่อมต่ออย่างอิสระ
และอัลแบร์โต [5] แสดงให้เห็นว่าเอฟเอสเป็นอีก
ที่เหมาะสมสำหรับการประเมินหางของการกระจายองศา
กว่าการสุ่มตัวอย่างแบบสุ่มจุดสุดยอด นอกจากนี้
FS สามารถทำอย่างเต็มที่โดยไม่ต้องกระจายใด ๆ
ค่าใช้จ่ายในการประสานงาน

ผลลัพธ์ (ไทย) 2:

ใช้เทคนิคการสุ่มตัวอย่างกราฟไป
เล็กลงแต่ภาพรวมตัวแทนของสังคม
กราฟ การรักษาคุณสมบัติเช่น
แจกปริญญา แสดงใน [4], การสุ่มตัวอย่าง
ผล bfs ของกว้างการสุ่มตัวอย่าง (แยก) และ
เดินสุ่ม (RW) มีภาพ highdegree
จุดยอด แม้ว่าพวกเขาได้รับกันอย่างแพร่หลาย
ใช้ในการวิเคราะห์กราฟทางสังคม นคร-
Hasting RW (MHRW) Re-Weighted RW
(RWRW) นำเสนอ และพิสูจน์การ
สม่ำเสมอเมื่อเทียบเคียงในการสุ่มตัวอย่าง Facebook บทความยัง
แนะนำวิเคราะห์ลู่เข้าออนไลน์เพื่อ
ประเมินคุณภาพตัวอย่างในระหว่างกระบวนการสุ่มตัวอย่าง
พรมแดนสุ่ม (FS) [5], ซึ่งใช้
RW หลายมิติ นำเสนอบรรลุ
ลดข้อผิดพลาดประมาณกว่า RW โดยเฉพาะอย่างยิ่งใน
สถานะของการเชื่อมต่อ หรือเชื่อมต่อซึ่ง
กราฟ Ribeiro et al. [5] แสดงว่า FS มาก
เหมาะประมาณหางของการแจกปริญญา
กว่าจุดสุ่มสุ่มตัวอย่าง นอกจากนี้,
FS ได้กระจายเต็มหน้า
ต้นทุนประสานงานได้

ผลลัพธ์ (ไทย) 3:

เทคนิคการสุ่มตัวอย่างกราฟจะใช้เพื่อรับ ภาพ
มีขนาดเล็กลงแต่ตัวแทนของสังคม
กราฟที่เก็บรักษาทรัพย์สินเช่นการกระจาย
องศา ตามที่แสดงไว้ใน[ 4 ]การสุ่มตัวอย่าง
ซึ่งจะช่วยส่งผลให้การสุ่มตัวอย่างของ breadth-first (บีเอฟเอสคาร์โก)และ
ซึ่งจะช่วยแบบสุ่มที่เดินเล่น( RW )มีอคติต่อ highdegree
ยอดแม้ว่าจะได้รับการยอมรับอย่างกว้างขวางใช้
ซึ่งจะช่วยในการวิเคราะห์กราฟทางสังคม มหานคร -
ได้hasting RW ( mhrw )และ re-weighted RW
( rwrw )มีการเสนอแนวทางและพิสูจน์ว่าในการจัดการ
เครื่องแบบใน Facebook การสุ่มตัวอย่าง ข้อที่ยัง
ซึ่งจะช่วยแนะนำการวินิจฉัยผู้นำชีวิต Convergence Lifestyle ออนไลน์เพื่อ
ซึ่งจะช่วยประเมินตัวอย่างมี คุณภาพ ในระหว่างขั้นตอนการลิ้มลองที่.
ชายแดนการสุ่มตัวอย่าง( fs )[ 5 ],ซึ่งมั่นใจได้ว่าได้รับ
ประเด็น RW ได้ถูกนำเสนอในการบรรลุความผิดพลาด
ซึ่งจะช่วยประมาณต่ำกว่า RW โดยเฉพาะใน
การที่มีการยกเลิกการเชื่อมต่อหรือหลวมเชื่อมต่อ
กราฟ. ริเบย์โร et al . [ 5 ]แสดงให้เห็นว่าพ.อ.ท.ได้มาก
เหมาะสำหรับการประเมินหางของการกระจายระดับ
กว่าการสุ่มตัวอย่างแบบ Vertex แบบสุ่ม ยิ่งไปกว่านั้น
พ.อ.อ.สามารถทำได้อย่างครบครัน
ซึ่งจะช่วยเผยแพร่โดยไม่มีค่าใช้จ่ายในการประสานใดๆ