論文の概要: Community Detection in Bipartite Networks with Stochastic Blockmodels
- arxiv url: http://arxiv.org/abs/2001.11818v2
- Date: Tue, 29 Sep 2020 07:38:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 18:21:15.346592
- Title: Community Detection in Bipartite Networks with Stochastic Blockmodels
- Title（参考訳）: 確率的ブロックモデルを用いた二部ネットワークのコミュニティ検出
- Authors: Tzu-Chi Yen, Daniel B. Larremore
- Abstract要約: バイパーティイトネットワークでは、あるタイプのノードは、他のタイプのノードとの共通の接続パターンに従ってグループ化される。
これにより、ブロックモデル(SBM)が2部構成のコミュニティ検出の直感的な選択となる。
我々はSBMの非パラメトリックな定式化とそれに対応するアルゴリズムを導入し、二部ネットワークのコミュニティを効率的に見つける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In bipartite networks, community structures are restricted to being
disassortative, in that nodes of one type are grouped according to common
patterns of connection with nodes of the other type. This makes the stochastic
block model (SBM), a highly flexible generative model for networks with block
structure, an intuitive choice for bipartite community detection. However,
typical formulations of the SBM do not make use of the special structure of
bipartite networks. Here we introduce a Bayesian nonparametric formulation of
the SBM and a corresponding algorithm to efficiently find communities in
bipartite networks which parsimoniously chooses the number of communities. The
biSBM improves community detection results over general SBMs when data are
noisy, improves the model resolution limit by a factor of $\sqrt{2}$, and
expands our understanding of the complicated optimization landscape associated
with community detection tasks. A direct comparison of certain terms of the
prior distributions in the biSBM and a related high-resolution hierarchical SBM
also reveals a counterintuitive regime of community detection problems,
populated by smaller and sparser networks, where nonhierarchical models
outperform their more flexible counterpart.
- Abstract（参考訳）: 2部構成のネットワークでは、あるタイプのノードが他のタイプのノードと共通の接続パターンに従ってグループ化されているため、コミュニティ構造は非分類に制限されている。
これにより、確率的ブロックモデル(SBM)は、ブロック構造を持つネットワークの柔軟な生成モデルであり、二部類コミュニティ検出の直感的な選択である。
しかし、sbmの典型的な定式化は、二成分ネットワークの特殊構造を使用しない。
ここでは,SBMのベイズ的非パラメトリックな定式化とそれに対応するアルゴリズムを導入し,コミュニティの数をパロニカルに選択するバイパルタイトネットワークのコミュニティを効率的に見つける。
BiSBMは、データがノイズの多い場合の一般SBMよりもコミュニティ検出結果を改善し、モデル解決限界を$\sqrt{2}$で改善し、コミュニティ検出タスクに関連する複雑な最適化状況の理解を深める。
BiSBMと関連する高分解能階層型SBMの事前分布の特定の項を直接比較すると、より小さなスペーサーネットワークで人口が占めるコミュニティ検出問題に対して直感的であり、非階層型モデルはより柔軟である。
関連論文リスト
- Community Detection in the Multi-View Stochastic Block Model [47.43048484980115]
本稿では,無神論的な観点から,複数の潜在的相関グラフ上でのコミュニティ検出の問題について考察する。
我々はまず,同じノードの集合上で相関グラフを生成するために設計された多視点情報ブロックモデル (MVSBM) と呼ばれるランダムグラフモデルを考案した。
論文 参考訳（メタデータ） (2024-01-17T13:39:38Z) - A stochastic block model for community detection in attributed networks [7.128313939076842]
既存のコミュニティ検出手法は主にネットワーク構造に焦点をあてるが、ノード属性を統合する手法は主に従来のコミュニティ構造に当てられている。
本稿では,属性付きネットワークにおけるコミュニティ検出のためのノードの重心性とクラスタリング係数を統合するブロックモデルを提案する。
このモデルの性能は他の5つの比較アルゴリズムよりも優れている。
論文 参考訳（メタデータ） (2023-08-31T01:00:24Z) - Bipartite mixed membership distribution-free model. A novel model for community detection in overlapping bipartite weighted networks [0.4972323953932129]
本稿では,BiMMDF(Bipartite Mixed Membership Distribution-Free)モデルを提案する。
我々のモデルでは、ノードのメンバシップに関連するブロック構造が期待されている限り、隣接行列は任意の分布に従うことができる。
理論的に一貫した推定を保証した効率的なアルゴリズムをBiMMDFに適合させる。
論文 参考訳（メタデータ） (2022-11-02T06:26:47Z) - Community detection for weighted bipartite networks [1.0965065178451106]
citerohe2016coは、ネットワーク研究における二部グラフデータのコミュニティ構造を検出するツールとして、co-Blockmodel (ScBM)を提案した。
ここでは、重み付き二部ネットワークをモデル化するために、ScBMの分布制限を解放することにより、二部分布自由モデルを導入する。
我々のモデルは、隣接行列の生成要素に関する特定の分布を必要としないが、期待される隣接行列上のブロック構造のみである。
論文 参考訳（メタデータ） (2021-09-21T17:01:36Z) - Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。
精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
論文 参考訳（メタデータ） (2021-05-11T03:39:08Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Dual-constrained Deep Semi-Supervised Coupled Factorization Network with
Enriched Prior [80.5637175255349]
本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。
隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。
我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
論文 参考訳（メタデータ） (2020-09-08T13:10:21Z) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳（メタデータ） (2020-07-19T22:50:20Z) - Extended Stochastic Block Models with Application to Criminal Networks [3.2211782521637393]
犯罪者間の関係を符号化する隠蔽ネットワークについて検討する。
ノイズの多いブロックパターンの共存は、日常的に使用されるコミュニティ検出アルゴリズムの信頼性を制限する。
我々は,共通接続パターンを持つノード群を推論する拡張ブロックモデル(ESBM)を新たに開発した。
論文 参考訳（メタデータ） (2020-07-16T19:06:16Z) - Consistency of Spectral Clustering on Hierarchical Stochastic Block
Models [5.983753938303726]
実世界のネットワークにおけるコミュニティの階層構造について,汎用ブロックモデルを用いて検討する。
本手法の強い一貫性を,幅広いモデルパラメータで証明する。
既存のほとんどの研究とは異なり、我々の理論は接続確率が桁違いに異なるかもしれないマルチスケールネットワークをカバーしている。
論文 参考訳（メタデータ） (2020-04-30T01:08:59Z) - Detecting Communities in Heterogeneous Multi-Relational Networks:A
Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。
我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-06T17:36:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。