graph

SKILL.md

Systematic extraction and analysis of entities, relationships, and ontological structures from unstructured text—enhanced with categorical metagraph compression enabling scale-invariant representation through structural equivalence, k-bisimulation summarization, and quotient constructions that preserve query-answering capabilities while achieving dramatic size reductions.

Structural equivalence enables compression through a precise mechanistic chain:

Graphs with large automorphism groups have lower complexity because only one representative from each orbit needs encoding. For highly symmetric structures, compression can reach n/log n factor.

エンティティと関係の抽出、オントロジーの構築、大規模なグラフの圧縮、または知識構造の分析に使用します。57 ～ 95% のサイズ削減を達成する構造的等価性ベースの圧縮、k-bisimulation 要約、カテゴリ商構築、およびスケール不変特性を備えたメタグラフ階層モデリングを提供します。 |R|/|E| を含むグラフ トポロジ メトリックによる再帰的絞り込みをサポートします。比率と自己同型分析。 ソース: zpankz/mcp-skillset。

原文を見る