論文の概要: Enhance Ambiguous Community Structure via Multi-strategy Community Related Link Prediction Method with Evolutionary Process

• arxiv url: http://arxiv.org/abs/2204.13301v1
• Date: Thu, 28 Apr 2022 06:24:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-30 03:19:15.025808
• Title: Enhance Ambiguous Community Structure via Multi-strategy Community Related Link Prediction Method with Evolutionary Process
• Title（参考訳）: 進化過程を用いた多戦略コミュニティ関連リンク予測手法による曖昧なコミュニティ構造の構築
• Authors: Qiming Yang, Wei Wei, Ruizhi Zhang, Bowen Pang and Xiangnan Feng
• Abstract要約: 我々は新しいコミュニティ属性に基づくリンク予測戦略HAPを設計する。 本稿では,あいまいなコミュニティ構造を明らかにするためのリンクを追加することで,コミュニティの強化を図ることを目的とする。 提案手法は,提案手法が他のベースライン法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 7.239725647907488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most real-world networks suffer from incompleteness or incorrectness, which is an inherent attribute to real-world datasets. As a consequence, those downstream machine learning tasks in complex network like community detection methods may yield less satisfactory results, i.e., a proper preprocessing measure is required here. To address this issue, in this paper, we design a new community attribute based link prediction strategy HAP and propose a two-step community enhancement algorithm with automatic evolution process based on HAP. This paper aims at providing a community enhancement measure through adding links to clarify ambiguous community structures. The HAP method takes the neighbourhood uncertainty and Shannon entropy to identify boundary nodes, and establishes links by considering the nodes' community attributes and community size at the same time. The experimental results on twelve real-world datasets with ground truth community indicate that the proposed link prediction method outperforms other baseline methods and the enhancement of community follows the expected evolution process.
• Abstract（参考訳）: ほとんどの実世界のネットワークは不完全さや不正確さに苦しんでおり、これは実世界のデータセットに固有の属性である。 その結果、コミュニティ検出手法のような複雑なネットワークにおける下流機械学習タスクは、十分な事前処理手段を必要とするため、満足度が低い可能性がある。 本稿では,新しいコミュニティ属性に基づくリンク予測戦略 HAP を設計し,HAP に基づく自動進化プロセスを備えた2段階のコミュニティ拡張アルゴリズムを提案する。 本稿では,あいまいなコミュニティ構造を明らかにするためのリンクを追加することで,コミュニティの強化を図ることを目的とする。 HAP法は近傍の不確実性とシャノンエントロピーを用いて境界ノードを同定し,ノードのコミュニティ属性とコミュニティサイズを同時に考慮してリンクを確立する。 ground truth community を用いた実世界の12のデータセットにおける実験結果から,提案手法は他のベースライン手法よりも優れており,コミュニティの強化が期待進化過程に従っていることが示唆された。

関連論文リスト

• Cost-Effective Community-Hierarchy-Based Mutual Voting Approach for Influence Maximization in Complex Networks [54.366995393644586]
  実世界は通常、影響のあるノード識別の時間と精度のバランスに高い要求がある。 本稿では,複雑ネットワークに影響を及ぼすためのコスト効果型コミュニティ階層型相互投票方式を提案する。 提案手法は、時間複雑性と影響ノード同定の精度のバランスに関する16の最先端技術より優れている。
  論文  参考訳（メタデータ） (2024-09-21T06:32:28Z)
• 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)
• Semi-supervised Community Detection via Structural Similarity Metrics [0.0]
  本研究では,新しいノードのコミュニティラベルを推定することを目的とした,半教師付きコミュニティ検出問題について検討する。 本稿では,新しいノードとK$コミュニティ間の構造的類似度メトリック'を計算するアルゴリズムを提案する。 我々の知る限りでは、理論的な保証を提供する最初の半教師付きコミュニティ検出アルゴリズムである。
  論文  参考訳（メタデータ） (2023-06-01T19:02:50Z)
• High-order Order Proximity-Incorporated, Symmetry and Graph-Regularized Nonnegative Matrix Factorization for Community Detection [6.573829734173933]
  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。
  論文  参考訳（メタデータ） (2022-03-08T06:45:31Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• Group-Node Attention for Community Evolution Prediction [9.777369108179501]
  本稿では,構造情報と時間情報からコミュニティの進化を予測するための新しいグラフニューラルネットワークを提案する。 標準ベースライン法との比較評価を行い,本モデルがベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-09T16:16:10Z)
• 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)
• Online Estimation and Community Detection of Network Point Processes for Event Streams [12.211623200731788]
  ネットワークモデリングにおける共通のゴールは、ノード間に存在する潜在コミュニティ構造を明らかにすることである。 本稿では,ネットワーク上の動的イベント到着に基づく潜在構造を推定する高速なオンライン変分推定アルゴリズムを提案する。 オンライン推論は、コミュニティリカバリの観点から、オンライン以外の変種に匹敵する性能が得られることを実証する。
  論文  参考訳（メタデータ） (2020-09-03T15:39:55Z)
• GRADE: Graph Dynamic Embedding [76.85156209917932]
  GRADEは、軌道に先立ってランダムウォークを課すことで、進化するノードとコミュニティ表現を生成することを学ぶ確率モデルである。 我々のモデルは、遷移行列を介して時間ステップ間で更新されるノードコミュニティメンバシップも学習する。 実験では、GRADEは動的リンク予測においてベースラインを上回る性能を示し、動的コミュニティ検出において好適な性能を示し、一貫性と解釈可能な進化するコミュニティを特定する。
  論文  参考訳（メタデータ） (2020-07-16T01:17:24Z)
• 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。