論文の概要: DCC: A Cascade based Approach to Detect Communities in Social Networks
- arxiv url: http://arxiv.org/abs/2212.10937v1
- Date: Wed, 21 Dec 2022 11:25:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 14:28:38.639983
- Title: DCC: A Cascade based Approach to Detect Communities in Social Networks
- Title（参考訳）: dcc:ソーシャルネットワークにおけるコミュニティ検出のためのカスケードベースアプローチ
- Authors: Soumita Das, Anupam Biswas, Akrati Saxena
- Abstract要約: この研究はグラノヴェッターの主張によって動機付けられ、強い結びつきが密接な連結ノードの中に存在することを示唆している。
我々は,カスケードを用いたemphDisjoint Community Detectionと呼ばれる新しい手法を導入した。
- 参考スコア（独自算出の注目度）: 1.80476943513092
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Community detection in Social Networks is associated with finding and
grouping the most similar nodes inherent in the network. These similar nodes
are identified by computing tie strength. Stronger ties indicates higher
proximity shared by connected node pairs. This work is motivated by
Granovetter's argument that suggests that strong ties lies within densely
connected nodes and the theory that community cores in real-world networks are
densely connected. In this paper, we have introduced a novel method called
\emph{Disjoint Community detection using Cascades (DCC)} which demonstrates the
effectiveness of a new local density based tie strength measure on detecting
communities. Here, tie strength is utilized to decide the paths followed for
propagating information. The idea is to crawl through the tuple information of
cascades towards the community core guided by increasing tie strength.
Considering the cascade generation step, a novel preferential membership method
has been developed to assign community labels to unassigned nodes. The efficacy
of $DCC$ has been analyzed based on quality and accuracy on several real-world
datasets and baseline community detection algorithms.
- Abstract（参考訳）: ソーシャルネットワークにおけるコミュニティ検出は、ネットワークに内在する最も類似したノードの発見とグループ化に関連している。
これらの類似ノードは、計算結合強度によって識別される。
強い結合は、連結ノード対によって共有されるより高い近接を示す。
この研究は、グラノヴェッターの主張によって、強い結びつきが密接なノードの中にあり、現実世界のネットワークにおけるコミュニティコアが密接な結びつきを持つという理論が示唆されている。
本稿では,新しい地域密集度に基づく地域密結合強度測定が地域密集度に与える影響を実証する手法である,dcc(dmph{disjoint community detection using cascades)を提案する。
ここで、情報伝達に続く経路を決定するためにネクタイ強度を利用する。
このアイデアは、カスケードのタプル情報をコミュニティのコアに集めて、結びつきの強さを増すことだ。
カスケード生成ステップを考えると,未割り当てノードにコミュニティラベルを割り当てる新たな優先メンバシップ手法が開発されている。
DCC$の有効性は、いくつかの実世界のデータセットとベースラインコミュニティ検出アルゴリズムの品質と精度に基づいて分析されている。
関連論文リスト
- Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks [51.54002032659713]
カスケード予測のための階層型情報拡張ネットワーク(HIENet)を提案する。
本手法では,基本カスケードシーケンス,ユーザソーシャルグラフ,サブカスケードグラフを統合フレームワークに統合する。
論文 参考訳（メタデータ） (2024-03-22T14:57:27Z) - EntailE: Introducing Textual Entailment in Commonsense Knowledge Graph
Completion [54.12709176438264]
Commonsense knowledge graph(CSKG)は、名前付きエンティティ、短いフレーズ、イベントをノードとして表現するために自由形式のテキストを使用する。
現在の手法では意味的類似性を利用してグラフ密度を増大させるが、ノードとその関係のセマンティックな妥当性は未探索である。
そこで本研究では,CSKGノード間の暗黙的な包絡関係を見つけるために,テキストエンテーメントを導入し,同じ概念クラス内のサブグラフ接続ノードを効果的に密度化することを提案する。
論文 参考訳（メタデータ） (2024-02-15T02:27:23Z) - Semi-supervised Community Detection via Structural Similarity Metrics [0.0]
本研究では,新しいノードのコミュニティラベルを推定することを目的とした,半教師付きコミュニティ検出問題について検討する。
本稿では,新しいノードとK$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) - 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) - Variational Embeddings for Community Detection and Node Representation [5.197034517903854]
コミュニティ検出とノード表現のための変分埋め込みを共同学習するためのVECoDeRと呼ばれる効率的な生成モデルを提案する。
我々は、VECoDeRが3つのタスクすべてで多くの競合ベースラインを効果的に上回るいくつかのグラフデータセットを実証します。
論文 参考訳（メタデータ） (2021-01-11T13:36:29Z) - 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) - Integrating Network Embedding and Community Outlier Detection via
Multiclass Graph Description [15.679313861083239]
そこで本稿では,ノード埋め込みとアウトレーヤとコミュニティ検出を統合した非教師なしグラフ埋め込み手法(DMGD)を提案する。
DMGDにより検出された外れ値の数に関する理論的境界を示す。
我々の定式化は、外れ値、コミュニティ割り当て、ノード埋め込み関数の間の興味深いミニマックスゲームに起因する。
論文 参考訳（メタデータ） (2020-07-20T16:21:07Z) - 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。