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.

엔터티 및 관계 추출, 온톨로지 구축, 대규모 그래프 압축 또는 지식 구조 분석 시 사용 - 57-95% 크기 감소, k-중시뮬레이션 요약, 범주형 몫 구성 및 척도 불변 속성을 갖춘 메타그래프 계층적 모델링을 달성하는 구조적 등가 기반 압축을 제공합니다. |R|/|E|를 포함한 그래프 토폴로지 측정항목을 통해 재귀적 개선을 지원합니다. 비율 및 자동 형태 분석. 출처: zpankz/mcp-skillset.

원본 보기