論文の概要: Discriminative community detection for multiplex networks

• arxiv url: http://arxiv.org/abs/2410.00724v1
• Date: Mon, 30 Sep 2024 14:48:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 04:15:24.446668
• Title: Discriminative community detection for multiplex networks
• Title（参考訳）: 多重化ネットワークにおける識別的コミュニティ検出
• Authors: Meiby Ortiz-Bouza, Selin Aviyente,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.810096547938166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multiplex networks have emerged as a promising approach for modeling complex systems, where each layer represents a different mode of interaction among entities of the same type. A core task in analyzing these networks is to identify the community structure for a better understanding of the overall functioning of the network. While different methods have been proposed to detect the community structure of multiplex networks, the majority deal with extracting the consensus community structure across layers. In this paper, we address the community detection problem across two closely related multiplex networks. For example in neuroimaging studies, it is common to have multiple multiplex brain networks where each layer corresponds to an individual and each group to different experimental conditions. In this setting, one may be interested in both learning the community structure representing each experimental condition and the discriminative community structure between two groups. In this paper, we introduce two discriminative community detection algorithms based on spectral clustering. The first approach aims to identify the discriminative subgraph structure between the groups, while the second one learns the discriminative and the consensus community structures, simultaneously. The proposed approaches are evaluated on both simulated and real world multiplex networks.
• Abstract（参考訳）: 多重ネットワークは複雑なシステムのモデリングにおいて有望なアプローチとして現れており、各層は同じタイプのエンティティ間で異なる相互作用のモードを表現している。 これらのネットワークを分析する上でのコアタスクは、ネットワーク全体の機能をよりよく理解するために、コミュニティ構造を特定することである。 マルチプレックスネットワークのコミュニティ構造を検出するための異なる手法が提案されているが、大多数はレイヤ間のコンセンサスコミュニティ構造を抽出する。 本稿では,近縁な2つの多重ネットワークにおけるコミュニティ検出問題に対処する。 例えば、ニューロイメージング研究では、各層が個々のグループと異なる実験条件に対応する複数の多重脳ネットワークを持つことが一般的である。 この環境では、各実験条件を表すコミュニティ構造と、2つのグループ間の差別的なコミュニティ構造の両方を学ぶことに興味があるかもしれない。 本稿では,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。 提案手法はシミュレーションと実世界のマルチプレックスネットワークの両方で評価される。

関連論文リスト

• CS-MLGCN : Multiplex Graph Convolutional Networks for Community Search in Multiplex Networks [0.0]
  本稿では,マルチプレクサネットワークにおけるクエリ駆動グラフ畳み込みネットワークCS-MLGCNを提案する。 地道なコミュニティを持つ実世界のグラフの実験は、得られるソリューションの品質を検証する。
  論文  参考訳（メタデータ） (2022-10-17T07:47:19Z)
• Deep Image Clustering with Contrastive Learning and Multi-scale Graph Convolutional Networks [58.868899595936476]
  コントラスト学習とマルチスケールグラフ畳み込みネットワーク(IcicleGCN)を用いた画像クラスタリング手法を提案する。 複数の画像データセットの実験は、最先端のIcicleGCNよりも優れたクラスタリング性能を示している。
  論文  参考訳（メタデータ） (2022-07-14T19:16:56Z)
• Community detection in multiplex networks based on orthogonal nonnegative matrix tri-factorization [26.53951886710295]
  我々は,各層に共通するコミュニティと,各層に固有のコミュニティを識別する,新しい多重化コミュニティ検出手法を導入する。 提案アルゴリズムは, 合成および実多重化の両方で評価し, 最先端技術と比較した。
  論文  参考訳（メタデータ） (2022-05-02T02:33:15Z)
• 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)
• A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
  ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。 既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。 フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
  論文  参考訳（メタデータ） (2021-01-03T02:32:45Z)
• Global and Individualized Community Detection in Inhomogeneous Multilayer Networks [14.191073951237772]
  ネットワークアプリケーションでは、同じ主題の集合上で観測される複数のネットワークの形でデータセットを取得することがますます一般的になっている。 このようなデータセットは、各レイヤが別々のネットワーク自身であるマルチレイヤネットワークによってモデル化され、異なるレイヤが関連付けられ、共通の情報を共有することができる。 本稿では,非均質な多層ネットワークモデルを用いたスタイリングによるコミュニティ検出について検討する。
  論文  参考訳（メタデータ） (2020-12-02T02:42:52Z)
• Unsupervised Differentiable Multi-aspect Network Embedding [52.981277420394846]
  本稿では,asp2vecと呼ばれるマルチアスペクトネットワーク埋め込みのための新しいエンドツーエンドフレームワークを提案する。 提案するフレームワークは容易に異種ネットワークに拡張できる。
  論文  参考訳（メタデータ） (2020-06-07T19:26:20Z)
• A Clarified Typology of Core-Periphery Structure in Networks [0.09208007322096533]
  コア周辺構造(英語版)は、ネットワークを密度の高いコアと疎い周辺に配置し、様々な社会的、生物学的、技術的ネットワークの汎用的な記述子である。 異なるコア周辺アルゴリズムは、コア周辺構造の一貫性のない記述が得られるにもかかわらず、しばしば適用される。
  論文  参考訳（メタデータ） (2020-05-20T16:57:01Z)
• 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)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

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。