論文の概要: Uncovering the Local Hidden Community Structure in Social Networks
- arxiv url: http://arxiv.org/abs/2112.04100v1
- Date: Wed, 8 Dec 2021 04:07:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-09 15:23:36.443187
- Title: Uncovering the Local Hidden Community Structure in Social Networks
- Title（参考訳）: ソーシャル・ネットワークにおける地域隠れコミュニティ構造の解明
- Authors: Meng Wang, Boyu Li, Kun He, John E. Hopcroft
- Abstract要約: 本稿では,元のネットワークからサンプリングしたサブグラフ上で各レイヤを反復的に検出・増強する手法を提案する。
本手法は, 崩壊したコミュニティと地域コミュニティが, サブグラフの1つのコミュニティと見なされる状況を回避することができることを示す。
- 参考スコア（独自算出の注目度）: 20.467702194064525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hidden community is a useful concept proposed recently for social network
analysis. To handle the rapid growth of network scale, in this work, we explore
the detection of hidden communities from the local perspective, and propose a
new method that detects and boosts each layer iteratively on a subgraph sampled
from the original network. We first expand the seed set from a single seed node
based on our modified local spectral method and detect an initial dominant
local community. Then we temporarily remove the members of this community as
well as their connections to other nodes, and detect all the neighborhood
communities in the remaining subgraph, including some "broken communities" that
only contain a fraction of members in the original network. The local community
and neighborhood communities form a dominant layer, and by reducing the edge
weights inside these communities, we weaken this layer's structure to reveal
the hidden layers. Eventually, we repeat the whole process and all communities
containing the seed node can be detected and boosted iteratively. We
theoretically show that our method can avoid some situations that a broken
community and the local community are regarded as one community in the
subgraph, leading to the inaccuracy on detection which can be caused by global
hidden community detection methods. Extensive experiments show that our method
could significantly outperform the state-of-the-art baselines designed for
either global hidden community detection or multiple local community detection.
- Abstract（参考訳）: 隠れたコミュニティは、最近ソーシャルネットワーク分析のために提案された有用な概念である。
本研究では,ネットワーク規模を急速に拡大させるため,地域視点から隠れたコミュニティの検出を探索し,元のネットワークからサンプリングしたサブグラフ上で各レイヤを反復的に検出・増強する手法を提案する。
まず,改良した局所スペクトル法に基づいて1つのシードノードからシードセットを拡張し,初期支配的地域コミュニティを検出する。
そして、このコミュニティのメンバと他のノードとの接続を一時的に削除し、残りのサブグラフにある全ての近所のコミュニティを検出します。
地域社会と地域社会は支配的な層を形成し、これらのコミュニティ内のエッジ重量を減らすことで、この層の構造を弱め、隠れた層を明らかにする。
最終的に、すべてのプロセスを繰り返し、シードノードを含むすべてのコミュニティを反復的に検出し、強化することができる。
提案手法は,壊れたコミュニティや地域コミュニティがサブグラフの1つのコミュニティと見なされる状況を回避することができ,グローバルな隠れコミュニティ検出手法によって引き起こされる検出の不正確さにつながることを理論的に示す。
広範な実験により,本手法は,グローバルに隠されたコミュニティ検出あるいは複数の地域コミュニティ検出のために設計された最先端のベースラインを著しく上回ることが示された。
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) - CS-TGN: Community Search via Temporal Graph Neural Networks [0.0]
本稿では,フレキシブルなコミュニティ構造をキャプチャ可能なクエリ駆動型時間グラフ畳み込みネットワーク(CS-TGN)を提案する。
CS-TGNはまず、ローカルクエリ依存構造と、ネットワークの各スナップショットにグローバルグラフを埋め込む。
我々は,このモデルをオンライン環境でインタラクティブなコミュニティ検索に活用する方法を実証する。
論文 参考訳（メタデータ） (2023-03-15T22:23:32Z) - 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) - Hide and Seek: Outwitting Community Detection Algorithms [17.144388833011536]
ネットワーク内のノードのコンテキスト位置を決定する上で,コミュニティ提携は重要な役割を果たす。
本研究は,そのようなセンシティブなコミュニティを隠して,対象ノードのコミュニティ関連を隠蔽することに焦点を当てている。
我々は,ノード中心の目的関数を厳格に最適化し,スイッチング戦略を決定する新手法であるNEURALを紹介する。
論文 参考訳（メタデータ） (2021-02-22T03:50:44Z) - A multilevel clustering technique for community detection [0.0]
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。
論文 参考訳（メタデータ） (2021-01-16T23:26:44Z) - 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) - 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) - Certified Robustness of Community Detection against Adversarial
Structural Perturbation via Randomized Smoothing [81.71105567425275]
本研究は, 対向構造摂動に対するコミュニティ検出の信頼性保証を初めて開発した。
このスムーズなコミュニティ検出手法は,任意のノード群を同一のコミュニティにグループ化する。
また,本手法を複数の実世界グラフ上で実験的に評価した。
論文 参考訳（メタデータ） (2020-02-09T18:39:39Z)
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。