• Kyungpook Mathematical Journal
• /
• 제48권2호
• /
• pp.303-315
• /
• 2008

In [8] M. Y. Alzoubi and M. M. Jaradat studied the basis number of the composition of paths and cycles with Ladders, Circular ladders and M$\"{o}$bius ladders. Namely, they proved that the basis number of these graphs is 4 except possibly for some cases in each of them. Since the lexicographic product is noncommutative, in this paper we investigate the basis number of the lexicographic product of the different kinds of ladders with paths and cycles. In fact, we prove that the basis number of almost all of these graphs is 4.

• 충청수학회지
• /
• 제14권1호
• /
• pp.7-14
• /
• 2001

Let G be a connected graph. A pebbling move on a graph G is taking two pebbles off one vertex and placing one of them on an adjacent vertex. The pebbling number of a connected graph G, f(G), is the least n such that any distribution of n pebbles on the vertices of G allows one pebble to be moved to any specified, but arbitrary vertex by a sequence of pebbling moves. In this paper, the pebbling numbers of the lexicographic products of some graphs are computed.

• 대한수학회보
• /
• 제59권3호
• /
• pp.685-695
• /
• 2022

The minimum number of complete bipartite subgraphs needed to partition the edges of a graph G is denoted by b(G). A known lower bound on b(G) states that b(G) ≥ max{p(G), q(G)}, where p(G) and q(G) are the numbers of positive and negative eigenvalues of the adjacency matrix of G, respectively. When equality is attained, G is said to be eigensharp and when b(G) = max{p(G), q(G)} + 1, G is called an almost eigensharp graph. In this paper, we investigate the eigensharpness and almost eigensharpness of lexicographic products of some graphs.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.67-74
• /
• 2011

협업 추천은 전자상거래 기업들이 고객별로 개인화 된 상품추천을 하기 위하여 널리 활용하는 추천기법이다. 추천 행위는 고객들이 상품에 대해 가지고 있는 선호도를 분석하고 이를 프로필화 하는 것을 전제로 한다. 전통적인 명시적 평가법은 취급하는 상품이 매우 다양한 전자상거래 기업의 고객들에게 구매활동외에 추가적 부담을 준다는 점에서 한계를 가진다. 따라서 고객의 개입 없이 간접적으로 선호도를 파악할 수 있는 묵시적 평가법이 보다 바람직하다고 볼 수 있는데, 여기에도 추정된 선호도의 지표화에 주로 사용하는 카디널 척도가 추정 오차를 증가 시킨다는 점에서 문제점이 있다. 따라서 본 연구에서는 이러한 문제의 개선을 위해 웹 마이닝과 사전식 컨센서스 기법에 근간하여 서열 척도 기반의 고객 프로필을 생성, 활용하는 협업 추천 기법을 제안하고자 한다. 실제 온라인 쇼핑몰의 거래 데이터를 이용한 실험을 통해 제안된 기법의 우수성을 입증 하였다.