論文の概要: High-order Order Proximity-Incorporated, Symmetry and Graph-Regularized
Nonnegative Matrix Factorization for Community Detection
- arxiv url: http://arxiv.org/abs/2203.03876v1
- Date: Tue, 8 Mar 2022 06:45:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-09 14:24:38.604730
- Title: High-order Order Proximity-Incorporated, Symmetry and Graph-Regularized
Nonnegative Matrix Factorization for Community Detection
- Title（参考訳）: コミュニティ検出のための高次近接結合対称性とグラフ正規化非負行列因子化
- Authors: Zhigang Liu and Xin Luo
- Abstract要約: 高次近似(HOP)、対称性、グラフ規則化NMF(HSGN)モデルの提案。
HSGNベースのコミュニティ検出器は、高い精度のコミュニティ検出結果を提供するために、ベンチマークと最先端のコミュニティ検出器の両方を著しく上回っている。
- 参考スコア（独自算出の注目度）: 6.573829734173933
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Community describes the functional mechanism of a network, making community
detection serve as a fundamental graph tool for various real applications like
discovery of social circle. To date, a Symmetric and Non-negative Matrix
Factorization (SNMF) model has been frequently adopted to address this issue
owing to its high interpretability and scalability. However, most existing
SNMF-based community detection methods neglect the high-order connection
patterns in a network. Motivated by this discovery, in this paper, we propose a
High-Order Proximity (HOP)-incorporated, Symmetry and Graph-regularized NMF
(HSGN) model that adopts the following three-fold ideas: a) adopting a weighted
pointwise mutual information (PMI)-based approach to measure the HOP indices
among nodes in a network; b) leveraging an iterative reconstruction scheme to
encode the captured HOP into the network; and c) introducing a symmetry and
graph-regularized NMF algorithm to detect communities accurately. Extensive
empirical studies on eight real-world networks demonstrate that an HSGN-based
community detector significantly outperforms both benchmark and
state-of-the-art community detectors in providing highly-accurate community
detection results.
- Abstract（参考訳）: コミュニティはネットワークの機能的メカニズムを説明し、コミュニティ検出をソーシャルサークルの発見など、さまざまな実アプリケーションのための基本的なグラフツールとして機能させる。
これまで、SNMF(Symmetric and Non- negative Matrix Factorization)モデルは、高い解釈性とスケーラビリティのため、この問題に対処するために頻繁に採用されてきた。
しかし、既存のSNMFベースのコミュニティ検出手法のほとんどは、ネットワーク内の高次接続パターンを無視している。
この発見に動機づけられた本論文では、次の3つのアイデアを取り入れた高次近似(HOP)、対称性、グラフ規則化NMF(HSGN)モデルを提案する。
a) ネットワーク内のノード間のHOP指標を測定するために、重み付きポイントワイド相互情報(PMI)に基づくアプローチを採用すること
b) 取得したHOPをネットワークにエンコードする反復的再構成方式の活用
c) 対称性とグラフ規則化NMFアルゴリズムを導入してコミュニティを正確に検出する。
8つの実世界のネットワークに関する大規模な実証研究により、HSGNベースのコミュニティ検出器は、高い精度のコミュニティ検出結果を提供するために、ベンチマークと最先端のコミュニティ検出器の両方を著しく上回っていることが示された。
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) - MNTD: An Efficient Dynamic Community Detector Based on Nonnegative Tensor Decomposition [3.714657619100999]
本稿では,動的コミュニティ検出のためのモジュラリティ内非負のRESCAL分解(MNTD)モデルを提案する。
MNTDは、コミュニティ検出の精度において最先端の動的コミュニティ検出方法よりも優れている。
論文 参考訳（メタデータ） (2024-07-26T16:17:53Z) - Unsupervised Graph Attention Autoencoder for Attributed Networks using
K-means Loss [0.0]
我々は、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、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。
提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
論文 参考訳（メタデータ） (2023-11-21T20:45:55Z) - A Constraints Fusion-induced Symmetric Nonnegative Matrix Factorization
Approach for Community Detection [6.573829734173933]
コミュニティは、非ダイレクトなソーシャルネットワークの基本的で批判的な特徴である。
本稿では,新しいConstraints Fusionによる対称非負行列分解モデルを提案する。
これは、高精度なコミュニティ検出結果を達成する上で、最先端のモデルよりも大幅に優れています。
論文 参考訳（メタデータ） (2023-02-23T15:52:14Z) - A Variational Edge Partition Model for Supervised Graph Representation
Learning [51.30365677476971]
本稿では,重なり合うノード群間の相互作用を集約することで,観測されたエッジがどのように生成されるかをモデル化するグラフ生成プロセスを提案する。
それぞれのエッジを複数のコミュニティ固有の重み付きエッジの和に分割し、コミュニティ固有のGNNを定義する。
エッジを異なるコミュニティに分割するGNNベースの推論ネットワーク,これらのコミュニティ固有のGNN,およびコミュニティ固有のGNNを最終分類タスクに組み合わせたGNNベースの予測器を共同で学習するために,変分推論フレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-07T14:37:50Z) - Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。
我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。
我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
論文 参考訳（メタデータ） (2020-10-29T16:18:48Z) - 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) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳（メタデータ） (2020-07-10T08:08:20Z) - Binarized Graph Neural Network [65.20589262811677]
我々は二項化グラフニューラルネットワークを開発し、二項化ネットワークパラメータを用いてノードのバイナリ表現を学習する。
提案手法は既存のGNNベースの埋め込み手法にシームレスに統合できる。
実験により、提案された二項化グラフニューラルネットワーク、すなわちBGNは、時間と空間の両方の観点から、桁違いに効率的であることが示されている。
論文 参考訳（メタデータ） (2020-04-19T09:43:14Z) - 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。