論文の概要: A multilevel clustering technique for community detection
- arxiv url: http://arxiv.org/abs/2101.06551v1
- Date: Sat, 16 Jan 2021 23:26:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 04:52:23.262490
- Title: A multilevel clustering technique for community detection
- Title（参考訳）: コミュニティ検出のためのマルチレベルクラスタリング手法
- Authors: Isa Inuwa-Dutse, Mark Liptrott, Yannis Korkontzelos
- Abstract要約: 本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。
マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。
このアプローチは、低レベルのコミュニティがTwitterでどのように進化し、行動するかを説明するためのより良い理解と明快さを提供します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A network is a composition of many communities, i.e., sets of nodes and edges
with stronger relationships, with distinct and overlapping properties.
Community detection is crucial for various reasons, such as serving as a
functional unit of a network that captures local interactions among nodes.
Communities come in various forms and types, ranging from biologically to
technology-induced ones. As technology-induced communities, social media
networks such as Twitter and Facebook connect a myriad of diverse users,
leading to a highly connected and dynamic ecosystem. Although many algorithms
have been proposed for detecting socially cohesive communities on Twitter,
mining and related tasks remain challenging. This study presents a novel
detection method based on a scalable framework to identify related communities
in a network. We propose a multilevel clustering technique (MCT) that leverages
structural and textual information to identify local communities termed
microcosms. Experimental evaluation on benchmark models and datasets
demonstrate the efficacy of the approach. This study contributes a new
dimension for the detection of cohesive communities in social networks. The
approach offers a better understanding and clarity toward describing how
low-level communities evolve and behave on Twitter. From an application point
of view, identifying such communities can better inform recommendation, among
other benefits.
- Abstract（参考訳）: ネットワークは、多くのコミュニティ、すなわちノードとエッジの集合からなる構成であり、より強い関係を持ち、異なる性質と重なり合う性質を持つ。
コミュニティ検出は、ノード間のローカルなインタラクションをキャプチャするネットワークの機能ユニットとして機能するなど、さまざまな理由で重要である。
コミュニティには、生物学的から技術によって引き起こされるものまで、様々な形態や種類がある。
テクノロジーが引き起こすコミュニティとして、TwitterやFacebookのようなソーシャルメディアは、無数の多様なユーザーを結び付け、高度につながり、ダイナミックなエコシステムへと繋がる。
twitter上で社会的に結束したコミュニティを検出するアルゴリズムは数多く提案されているが、マイニングと関連するタスクは依然として困難である。
本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。
マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。
ベンチマークモデルとデータセットの実験的評価は、このアプローチの有効性を示す。
本研究は,ソーシャルネットワークにおける結束型コミュニティの検出に新たな次元をもたらす。
このアプローチは、低レベルのコミュニティがどのように進化し、twitter上で振る舞うかを説明する上で、より深い理解と明確性を提供する。
アプリケーションの観点から見れば、そのようなコミュニティを特定することで、推奨事項、その他のメリットをよりよく知ることができる。
関連論文リスト
- Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。
本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。
提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
論文 参考訳（メタデータ） (2024-05-07T14:52:34Z) - MGTCOM: Community Detection in Multimodal Graphs [0.34376560669160383]
MGTCOMは、ネットワーク埋め込み、コミュニティ、およびタンデム内のコミュニティの数を最適化するエンドツーエンドフレームワークである。
我々の手法は最先端技術に対して競争力があり、帰納的推論ではよく機能する。
論文 参考訳（メタデータ） (2022-11-10T16:11:03Z) - Co-Membership-based Generic Anomalous Communities Detection [0.0]
共同メーバシップに基づくジェネリック異常コミュニティ検出アルゴリズム(CMMACを参照)について紹介する。
CMMACはドメインフリーであり、コミュニティのサイズや密度にほとんど影響を受けない。
本稿では,異常なコミュニティを注入可能なコミュニティ構造化ランダムネットワークを生成するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-30T12:23:55Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - 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) - Community detection and Social Network analysis based on the Italian
wars of the 15th century [0.0]
人的インタラクションをベースとして,ソーシャルネットワークのモデリングについて検討する。
本稿では,ネットワーク内のアクター同士の局所的相互作用の性質を捉えるために,新しい関数セット,親和性を提案する。
我々は,ネットワーク内のマルチエージェントインタラクションから自然にコミュニティが生み出す,新たなコミュニティ検出アルゴリズムであるBorgia Clusteringを開発した。
論文 参考訳（メタデータ） (2020-07-06T11:05:07Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z) - 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。