論文の概要: Comparative evaluation of community-aware centrality measures

• arxiv url: http://arxiv.org/abs/2205.06995v1
• Date: Sat, 14 May 2022 07:43:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:52:09.063951
• Title: Comparative evaluation of community-aware centrality measures
• Title（参考訳）: 地域中心性尺度の比較評価
• Authors: Stephany Rajeh and Marinette Savonnet and Eric Leclercq and Hocine Cherifi
• Abstract要約: 本研究では,SIRモデルを用いて,感染拡大過程における地域中心性に影響を及ぼす7つの指標について検討した。 その結果,地域社会に意識した集中度尺度の相関は低いことが明らかとなった。 マルチスレッダ問題では、リソースが利用可能であれば、Modularity Vitalityを使用した遠方のハブをターゲットとする方がより効果的である。
• 参考スコア（独自算出の注目度）: 1.7243339961137643
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Influential nodes play a critical role in boosting or curbing spreading phenomena in complex networks. Numerous centrality measures have been proposed for identifying and ranking the nodes according to their importance. Classical centrality measures rely on various local or global properties of the nodes. They do not take into account the network community structure. Recently, a growing number of researches have shifted to community-aware centrality measures. Indeed, it is a ubiquitous feature in a vast majority of real-world networks. In the literature, the focus is on designing community-aware centrality measures. However, up to now, there is no systematic evaluation of their effectiveness. This study fills this gap. It allows answering which community-aware centrality measure should be used in practical situations. We investigate seven influential community-aware centrality measures in an epidemic spreading process scenario using the Susceptible-Infected-Recovered (SIR) model on a set of fifteen real-world networks. Results show that generally, the correlation between community-aware centrality measures is low. Furthermore, in a multiple-spreader problem, when resources are available, targeting distant hubs using Modularity Vitality is more effective. However, with limited resources, diffusion expands better through bridges, especially in networks with a medium or strong community structure.
• Abstract（参考訳）: インテリジェントノードは、複雑なネットワークにおける拡散現象の促進または抑制に重要な役割を果たしている。 ノードをその重要性に応じて識別し、ランク付けするために、多くの集中度対策が提案されている。 古典的な中央集中度尺度は、ノードの様々なローカルまたはグローバルな特性に依存している。 ネットワークのコミュニティ構造を考慮に入れていない。 近年,コミュニティを意識した中央集権化への研究が増えている。 実際、これは現実世界のネットワークの大部分でユビキタスな機能である。 文献では,コミュニティを意識した集中度尺度の設計に焦点が当てられている。 しかし、これまでのところ、その効果の体系的な評価は行われていない。 この研究はこのギャップを埋める。 実践的な状況において、どのコミュニティ対応の集中性指標を使用するべきかを答えることができる。 本研究は,15種類の実世界ネットワーク上でのsirモデルを用いて,感染拡大過程シナリオにおける7つの影響力のあるコミュニティ対応中心性対策について検討した。 その結果, 地域集中度尺度間の相関は一般に低いことがわかった。 さらに、マルチスプレッダ問題では、リソースが利用可能である場合には、Modularity Vitalityを用いた遠方のハブをターゲットとすることがより効果的である。 しかし、資源が限られているため、特に中・強いコミュニティ構造を持つネットワークにおいて、拡散は橋を通してより良く広がる。

関連論文リスト

• Networked Communication for Mean-Field Games with Function Approximation and Empirical Mean-Field Estimation [59.01527054553122]
  分散エージェントは、経験的システムの単一かつ非エポゾディックな実行から平均フィールドゲームにおける平衡を学ぶことができる。 既存の設定に関数近似を導入し,Munchausen Online Mirror Descent 方式で描画する。 また, エージェントが局所的な周辺地域に基づいて, グローバルな経験分布を推定できる新しいアルゴリズムも提供する。
  論文  参考訳（メタデータ） (2024-08-21T13:32:46Z)
• The Impact of Adversarial Node Placement in Decentralized Federated Learning Networks [6.661122374160369]
  連邦学習(FL)の人気が高まるにつれ、新しい分散フレームワークが広まりつつある。 本稿では,ネットワーク内の配置を協調的に調整できる各種対向配置戦略において,分散FLの性能を解析する。 本稿では,敵同士の平均ネットワーク距離を最大化することにより,敵の中央性よりも敵の拡散を優先する新たな攻撃アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:48:50Z)
• Locality Matters: A Scalable Value Decomposition Approach for Cooperative Multi-Agent Reinforcement Learning [52.7873574425376]
  協調型マルチエージェント強化学習(MARL)は,エージェント数で指数関数的に大きい状態空間と動作空間により,スケーラビリティの問題に直面する。 本稿では,学習分散実行パラダイムに局所報酬を組み込んだ,新しい価値に基づくマルチエージェントアルゴリズム LOMAQ を提案する。
  論文  参考訳（メタデータ） (2021-09-22T10:08:15Z)
• Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis [0.0]
  Bi-face (BF) は、2モードネットワークにおける重要なノードを特定するための新しい二部集中度測定である。 オフ・ザ・シェルフ中心性指数とは違って、あるノードが隣り合うノードに粘着的サブ構造がどう影響するかを双斜線で定量化する。 いくつかの実世界および合成ネットワークに関する実験は、既存の顕著な二分極集中度よりもBFの効率が良いことを示す。
  論文  参考訳（メタデータ） (2021-09-07T23:57:05Z)
• Contingency-Aware Influence Maximization: A Reinforcement Learning Approach [52.109536198330126]
  インフルエンス(IM)問題は、インフルエンスの普及を最大化する、ソーシャルネットワーク内のシードノードのサブセットを見つけることを目的としている。 本研究では、招待されたノードがシードであるかどうかが不確実なIM問題(contingency-aware IM)に焦点をあてる。 最初の成功にもかかわらず、より多くのコミュニティへのソリューションの推進における大きな実践上の障害は、欲張りのアルゴリズムの巨大な実行時である。
  論文  参考訳（メタデータ） (2021-06-13T16:42:22Z)
• 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)
• Characterizing the Interactions Between Classical and Community-aware Centrality Measures in Complex Networks [1.5784415474429137]
  文献で報告された古典的・地域意識的な集中度尺度との関係について検討する。 その結果, コミュニティ構造が強くなればなるほど, コミュニティに配慮した集中度対策がより適切であることが示唆された。 ネットワークのトランジシティとコミュニティ構造強度は、古典的および地域社会に意識された中心性対策の相互作用を制御する最も重要な要因である。
  論文  参考訳（メタデータ） (2021-05-15T14:36:06Z)
• 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)
• Top influencers can be identified universally by combining classical centralities [0.6853165736531939]
  単一の中央集権が常に優れた地位を持つことはない。 特定の中央のペアは、特に統計学的にトップスプレッドラーと他のスプレッドラーの境界を描くのによく協力する。 スーパースレッダとして選択されたノードは通常、両方の中央値の最大化を共同で行う。
  論文  参考訳（メタデータ） (2020-06-13T15:12:28Z)
• 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。