論文の概要: Co-Membership-based Generic Anomalous Communities Detection
- arxiv url: http://arxiv.org/abs/2203.16246v1
- Date: Wed, 30 Mar 2022 12:23:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-31 16:22:36.379484
- Title: Co-Membership-based Generic Anomalous Communities Detection
- Title（参考訳）: 共同メンバに基づくジェネリック異常コミュニティ検出
- Authors: Shay Lapid, Dima Kagan, Michael Fire
- Abstract要約: 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。
- 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: Nowadays, detecting anomalous communities in networks is an essential task in
research, as it helps discover insights into community-structured networks.
Most of the existing methods leverage either information regarding attributes
of vertices or the topological structure of communities. In this study, we
introduce the Co-Membership-based Generic Anomalous Communities Detection
Algorithm (referred as to CMMAC), a novel and generic method that utilizes the
information of vertices co-membership in multiple communities. CMMAC is
domain-free and almost unaffected by communities' sizes and densities.
Specifically, we train a classifier to predict the probability of each vertex
in a community being a member of the community. We then rank the communities by
the aggregated membership probabilities of each community's vertices. The
lowest-ranked communities are considered to be anomalous. Furthermore, we
present an algorithm for generating a community-structured random network
enabling the infusion of anomalous communities to facilitate research in the
field. We utilized it to generate two datasets, composed of thousands of
labeled anomaly-infused networks, and published them. We experimented
extensively on thousands of simulated, and real-world networks, infused with
artificial anomalies. CMMAC outperformed other existing methods in a range of
settings. Additionally, we demonstrated that CMMAC can identify abnormal
communities in real-world unlabeled networks in different domains, such as
Reddit and Wikipedia.
- Abstract（参考訳）: 今日では、ネットワーク内の異常なコミュニティの検出は、コミュニティ構造化ネットワークに対する洞察の発見を支援するため、研究において不可欠である。
既存の方法の多くは、頂点の属性に関する情報やコミュニティのトポロジー構造を利用する。
本研究では,複数のコミュニティにおける頂点コメンバシップの情報を利用した新しい汎用的手法であるジェネリック・異常コミュニティ検出アルゴリズム(CMMACを参照)を紹介する。
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影響を受けない。
具体的には、分類器を訓練して、コミュニティのメンバーであるコミュニティ内の各頂点の確率を予測する。
次に、各コミュニティの頂点の合計メンバーシップ確率でコミュニティをランク付けする。
最下層のコミュニティは異常であると考えられている。
さらに,その分野の研究を容易にするために,異常なコミュニティの注入を可能にするコミュニティ構造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。
数千のラベル付き異常注入ネットワークからなる2つのデータセットを生成して公開しました。
人工的な異常を注入したシミュレーションと実世界のネットワークを広範囲に実験した。
CMMACは様々な設定で既存のメソッドよりも優れていた。
さらに, reddit や wikipedia など, 異なるドメインにおける実世界非ラベルネットワークの異常コミュニティを cmmac が特定できることを実証した。
関連論文リスト
- Discriminative community detection for multiplex networks [20.810096547938166]
スペクトルクラスタリングに基づく2つの識別的コミュニティ検出アルゴリズムを提案する。
第1のアプローチは、グループ間の識別サブグラフ構造を識別することを目的としており、第2のアプローチは、識別サブグラフ構造とコンセンサスコミュニティ構造を同時に学習する。
論文 参考訳（メタデータ） (2024-09-30T14:48:45Z) - 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) - Is it easier to count communities than find them? [82.90505487525533]
コミュニティ構造が異なるモデル間の仮説テスト問題について考察する。
2つの選択肢間のテストは、コミュニティを見つけるのと同じくらい難しいことを示しています。
論文 参考訳（メタデータ） (2022-12-21T09:35:19Z) - 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) - Uncovering the Local Hidden Community Structure in Social Networks [20.467702194064525]
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。
論文 参考訳（メタデータ） (2021-12-08T04:07:19Z) - QD-GCN: Query-Driven Graph Convolutional Networks for Attributed
Community Search [54.42038098426504]
QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。
本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
論文 参考訳（メタデータ） (2021-04-08T07:52:48Z) - 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) - 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。