Fugu-MT 論文翻訳(概要): Strong and Weak Random Walks on Signed Networks

論文の概要: Strong and Weak Random Walks on Signed Networks

arxiv url: http://arxiv.org/abs/2406.08034v1
Date: Wed, 12 Jun 2024 09:36:20 GMT
ステータス: 処理完了
システム内更新日: 2024-06-13 17:34:43.180430
Title: Strong and Weak Random Walks on Signed Networks
Title（参考訳）: 符号付きネットワーク上での強弱ランダムウォーク
Authors: Shazia'Ayn Babul, Yu Tian, Renaud Lambiotte,
Abstract要約: 本稿では,2つ以上のコミュニティを持つネットワークの構造を捉えることのできる,署名付きネットワークランダムウォークを提案する。このウォークによって類似性行列が生成され、ノードを対角的なコミュニティにクラスタリングすることができる。弱い歩行に基づく類似性行列は、教師なしおよび半自明なクラスタリングの両方に利用できることを示す。
参考スコア（独自算出の注目度）: 4.739812980667592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Random walks play an important role in probing the structure of complex networks. On traditional networks, they can be used to extract community structure, understand node centrality, perform link prediction, or capture the similarity between nodes. On signed networks, where the edge weights can be either positive or negative, it is non-trivial to design a random walk which can be used to extract information about the signed structure of the network, in particular the ability to partition the graph into communities with positive edges inside and negative edges in between. Prior works on signed network random walks focus on the case where there are only two such communities (strong balance), which is rarely the case in empirical networks. In this paper, we propose a signed network random walk which can capture the structure of a network with more than two such communities (weak balance). The walk results in a similarity matrix which can be used to cluster the nodes into antagonistic communities. We compare the characteristics of the so-called strong and weak random walks, in terms of walk length and stationarity. We show through a series of experiments on synthetic and empirical networks that the similarity matrix based on weak walks can be used for both unsupervised and semi-supervised clustering, outperforming the same similarity matrix based on strong walks when the graph has more than two communities, or exhibits asymmetry in the density of links. These results suggest that other random-walk based algorithms for signed networks could be improved simply by running them with weak walks instead of strong walks.
Abstract（参考訳）: ランダムウォークは複雑なネットワークの構造を探索する上で重要な役割を果たしている。従来のネットワークでは、コミュニティ構造を抽出したり、ノード中心性を理解したり、リンク予測を行ったり、ノード間の類似性を捉えたりすることができる。符号付きネットワークでは、エッジの重みが正か負かのいずれかである場合、ネットワークの符号付き構造に関する情報を抽出するランダムウォークを設計するのは簡単ではない。署名されたネットワークのランダムウォークに関する先行研究は、そのようなコミュニティが2つしかない場合(強いバランス)に焦点を当てている。本稿では,2つ以上のコミュニティを持つネットワークの構造を捉えることのできる,署名付きネットワークランダムウォークを提案する。このウォークによって類似性行列が生成され、ノードを対角的なコミュニティにクラスタリングすることができる。歩行長と静止度の観点から,いわゆる強無作為歩行と弱無作為歩行の特性を比較した。本稿では,弱い歩行に基づく類似度行列を教師なしおよび半教師付きクラスタリングの両方に使用し,グラフが2つ以上のコミュニティを持つ場合の強い歩行に基づく類似度行列よりも優れ,あるいはリンク密度の非対称性を示すという,合成および経験的ネットワークに関する一連の実験を通して示す。これらの結果は、強い歩行ではなく弱い歩行で行うだけで、符号付きネットワークのための他のランダムウォークベースのアルゴリズムを改善することができることを示唆している。

関連論文リスト

Random Walk on Multiple Networks [20.52880283389138]
本稿では,複数のネットワークにおけるリッチな情報を活用するために,複数ネットワーク上のランダムウォーク(RWM)を提案する。 RWMは各ネットワーク上でランダムなウォーカを送り、局所的な近接を求める。合成データセットと実世界のデータセットの両方で実施された実験は、RWMの有効性と効率を実証している。
論文参考訳（メタデータ） (2023-07-04T10:45:11Z)
A pseudo-likelihood approach to community detection in weighted networks [4.111899441919165]
本研究では,通常分布するエッジ重みを持つネットワークに対して,擬似的なコミュニティ推定アルゴリズムを提案する。提案手法により得られた推定値が均質ネットワークの仮定の下で一貫したものであることを証明した。シミュレーションネットワークとfMRIデータセットで、エッジウェイトは脳領域間の接続を表現している。
論文参考訳（メタデータ） (2023-03-10T13:36:10Z)
An Approach for Link Prediction in Directed Complex Networks based on Asymmetric Similarity-Popularity [0.0]
本稿では,有向ネットワーク用に明示的に設計されたリンク予測手法を提案する。これは、最近無方向性ネットワークで成功した類似性-人気パラダイムに基づいている。アルゴリズムは、隠れた類似性を最も短い経路距離として近似し、リンクの非対称性とノードの人気を捉え、決定するエッジウェイトを使用する。
論文参考訳（メタデータ） (2022-07-15T11:03:25Z)
Dual Lottery Ticket Hypothesis [71.95937879869334]
Lottery Ticket hypothesis (LTH)は、スパースネットワークトレーニングを調査し、その能力を維持するための新しい視点を提供する。本稿では,LTHの当選チケットをトレーニング可能なサブネットワークとして,その性能をベンチマークとして検討する。本稿では,簡単なスパースネットワークトレーニング戦略であるランダムスパースネットワークトランスフォーメーション(RST)を提案し,DLTHを裏付ける。
論文参考訳（メタデータ） (2022-03-08T18:06:26Z)
Community detection using low-dimensional network embedding algorithms [1.052782170493037]
我々はDeepWalkとnode2vecという2つの主要なアルゴリズムが、標準ネットワークモデルのためのコミュニティを回復する際の性能を厳格に理解している。固定された共起窓を考えると、非追跡確率の低いランダムウォークを用いた node2vec は、多くのスペーサーネットワークで成功することを示す。
論文参考訳（メタデータ） (2021-11-04T14:57:43Z)
Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
論文参考訳（メタデータ） (2021-08-20T12:09:38Z)
Full network nonlocality [68.8204255655161]
ネットワーク内のすべてのリンクが非ローカルリソースを分散するために必要となる相関関係を記述した完全ネットワーク非ローカル性の概念を導入する。最もよく知られているネットワークベル試験では,ネットワークの非局所性は見られていない。より一般に、ネットワーク内の局所的および理論に依存しない相関を解析するための確立された手法は、完全なネットワーク非局所性のための十分な条件を導出するために組み合わせることができると指摘する。
論文参考訳（メタデータ） (2021-05-19T18:00:02Z)
Artificial Neural Networks generated by Low Discrepancy Sequences [59.51653996175648]
我々は、高密度ネットワークグラフ上のランダムウォーキングとして、人工ニューラルネットワークを生成する。このようなネットワークはスクラッチからスパースを訓練することができ、高密度ネットワークをトレーニングし、その後圧縮する高価な手順を避けることができる。我々は,低差分シーケンスで生成された人工ニューラルネットワークが,より低い計算複雑性で,密度の高いニューラルネットワークの到達範囲内で精度を達成できることを実証した。
論文参考訳（メタデータ） (2021-03-05T08:45:43Z)
Consistency of random-walk based network embedding algorithms [13.214230533788932]
node2vecアルゴリズムとDeepWalkアルゴリズムを行列ファクタリゼーションの観点から検討する。その結果,観測ネットワークの幅,ランダムウォークのウィンドウサイズ,ノード2vec/DeepWalk埋め込みの収束率との微妙な相互作用が示唆された。
論文参考訳（メタデータ） (2021-01-18T22:49:22Z)
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)

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。