Fugu-MT 論文翻訳(概要): Measuring Proximity in Attributed Networks for Community Detection

論文の概要: Measuring Proximity in Attributed Networks for Community Detection

arxiv url: http://arxiv.org/abs/2111.03089v1
Date: Thu, 4 Nov 2021 18:07:05 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 04:23:21.868191
Title: Measuring Proximity in Attributed Networks for Community Detection
Title（参考訳）: コミュニティ検出のための分散ネットワークの確率測定
Authors: Rinat Aynulin, Pavel Chebotarev
Abstract要約: 我々は、よく研究された近接測度の定義を属性付きネットワークに拡張する。スペクトルクラスタリングアルゴリズムを用いて,実世界のネットワークにおけるコミュニティ構造を検出する手法を適用した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Proximity measures on graphs have a variety of applications in network analysis, including community detection. Previously they have been mainly studied in the context of networks without attributes. If node attributes are taken into account, however, this can provide more insight into the network structure. In this paper, we extend the definition of some well-studied proximity measures to attributed networks. To account for attributes, several attribute similarity measures are used. Finally, the obtained proximity measures are applied to detect the community structure in some real-world networks using the spectral clustering algorithm.
Abstract（参考訳）: グラフの確率測定は、コミュニティ検出を含むネットワーク分析に様々な応用がある。これまでは主に属性のないネットワークの文脈で研究されてきた。しかしノード属性を考慮に入れば、ネットワーク構造についてより深い洞察が得られる。本稿では,よく研究されている近接測度の定義を属性付きネットワークに拡張する。属性を考慮するために、いくつかの属性類似性尺度が用いられる。最後に, スペクトルクラスタリングアルゴリズムを用いて, 実世界のネットワークにおけるコミュニティ構造を検出するために, 得られた近接尺度を適用した。

関連論文リスト

HACD: Harnessing Attribute Semantics and Mesoscopic Structure for Community Detection [3.389327931408283]
コミュニティ検出は、密接に結びついた部分グラフを明らかにする上で重要な役割を果たす。従来,ネットワークトポロジと属性情報を属性付きコミュニティ検出に有効活用してきた。ヘテロジニアスグラフアテンションネットワークに基づく新しい属性付きコミュニティ検出モデルであるHACDを提案する。
論文参考訳（メタデータ） (2024-11-04T10:16:59Z)
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)
Sifting out communities in large sparse networks [2.666294200266662]
大規模ネットワークにおけるクラスタリングの結果の質を定量化するための直感的な客観的関数を導入する。この領域に特に適したコミュニティを特定するために,2段階の手法を用いる。数万のノードからなる大規模ネットワークにおける複雑な遺伝的相互作用を同定する。
論文参考訳（メタデータ） (2024-05-01T18:57:41Z)
The Influence of Network Structural Preference on Node Classification and Link Prediction [0.0]
本研究は,新しい機能抽象化手法,すなわちTransition Probabilities Matrix (TPM)を導入する。提案手法は,3つの実世界のネットワーク上でノード識別・分類・リンク予測を行った。
論文参考訳（メタデータ） (2022-08-07T12:56:28Z)
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)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
GAGE: Geometry Preserving Attributed Graph Embeddings [34.25102483600248]
本稿では,属性ネットワークにノードを埋め込む手法を提案する。接続と属性の両方の距離を保存する。学習課題に取り組むために,効率的かつ軽量なアルゴリズムを開発した。
論文参考訳（メタデータ） (2020-11-03T02:07:02Z)
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)
Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
論文参考訳（メタデータ） (2020-06-23T04:13:23Z)
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。