論文の概要: Two-way Node Popularity Model for Directed and Bipartite Networks
- arxiv url: http://arxiv.org/abs/2412.08051v1
- Date: Wed, 11 Dec 2024 02:59:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-12 14:01:08.766826
- Title: Two-way Node Popularity Model for Directed and Bipartite Networks
- Title（参考訳）: ディレクテッドネットワークとバイパートイトネットワークの双方向ノード人気モデル
- Authors: Bing-Yi Jing, Ting Li, Jiangzhou Wang, Ya Wang,
- Abstract要約: Two-Way Node Popularity Model (TNPM)は、一般のガウス系内の異なる分布のエッジを許容する。
大規模ネットワークをより効率的に処理するための2段階分割コサインアルゴリズム(TSDC)。
- 参考スコア（独自算出の注目度）: 25.463498432350562
- License:
- Abstract: There has been extensive research on community detection in directed and bipartite networks. However, these studies often fail to consider the popularity of nodes in different communities, which is a common phenomenon in real-world networks. To address this issue, we propose a new probabilistic framework called the Two-Way Node Popularity Model (TNPM). The TNPM also accommodates edges from different distributions within a general sub-Gaussian family. We introduce the Delete-One-Method (DOM) for model fitting and community structure identification, and provide a comprehensive theoretical analysis with novel technical skills dealing with sub-Gaussian generalization. Additionally, we propose the Two-Stage Divided Cosine Algorithm (TSDC) to handle large-scale networks more efficiently. Our proposed methods offer multi-folded advantages in terms of estimation accuracy and computational efficiency, as demonstrated through extensive numerical studies. We apply our methods to two real-world applications, uncovering interesting findings.
- Abstract（参考訳）: 有向ネットワークと二部ネットワークにおけるコミュニティ検出に関する広範な研究がある。
しかし、これらの研究は、現実世界のネットワークでよく見られる現象である、異なるコミュニティにおけるノードの人気を考えるのに失敗することが多い。
この問題に対処するために、TNPM(Two-Way Node Popularity Model)と呼ばれる新しい確率的フレームワークを提案する。
TNPMはまた、一般のガウス系内の異なる分布からのエッジを許容する。
モデルフィッティングとコミュニティ構造同定のためのDelete-One-Method(DOM)を導入し、ガウス以下の一般化を扱う新しい技術技術を用いて包括的な理論的解析を行う。
さらに,大規模ネットワークをより効率的に処理するための2段階分割コサインアルゴリズム (TSDC) を提案する。
提案手法は, 推定精度と計算効率の面から, 広範囲にわたる数値的な研究を通して, 多面的優位性を提供する。
我々は,本手法を実世界の2つの応用に適用し,興味深い知見を得た。
関連論文リスト
- 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) - MGTCOM: Community Detection in Multimodal Graphs [0.34376560669160383]
MGTCOMは、ネットワーク埋め込み、コミュニティ、およびタンデム内のコミュニティの数を最適化するエンドツーエンドフレームワークである。
我々の手法は最先端技術に対して競争力があり、帰納的推論ではよく機能する。
論文 参考訳（メタデータ） (2022-11-10T16:11:03Z) - Bayesian community detection for networks with covariates [16.230648949593153]
科学界でもっとも注目されているのは「コミュニティ検出」である。
共依存型ランダムパーティションを持つブロックモデルを提案する。
本モデルでは, 後部推測により, コミュニティの数を知ることができる。
論文 参考訳（メタデータ） (2022-03-04T01:58:35Z) - Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。
SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。
その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
論文 参考訳（メタデータ） (2021-12-15T09:50:25Z) - 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) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳（メタデータ） (2020-07-19T22:50:20Z) - 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) - Heterogeneous Network Representation Learning: A Unified Framework with
Survey and Benchmark [57.10850350508929]
我々は、異種ネットワーク埋め込み(HNE)に関する既存の研究を要約し、評価するための統一的なフレームワークを提供することを目指している。
最初のコントリビューションとして、既存のHNEアルゴリズムのメリットを体系的に分類し分析するための一般的なパラダイムを提供する。
第2のコントリビューションとして、さまざまなソースから、スケール、構造、属性/ラベルの可用性などに関するさまざまな特性を備えた4つのベンチマークデータセットを作成します。
第3のコントリビューションとして、13の人気のあるHNEアルゴリズムに対するフレンドリなインターフェースを作成し、複数のタスクと実験的な設定に対して、それらの全周比較を提供する。
論文 参考訳（メタデータ） (2020-04-01T03:42:11Z) - Community Detection on Mixture Multi-layer Networks via Regularized
Tensor Decomposition [12.244594819580831]
マルチ層ネットワークにおけるコミュニティ検出の問題について検討し,複数のモードでノードのペアを関連付ける方法を提案する。
本稿では,ノードのグローバル/ローカルなメンバシップとレイヤのメンバシップの両方を明らかにするためのテンソルベースアルゴリズム(TWIST)を提案する。
論文 参考訳（メタデータ） (2020-02-10T06:19:50Z) - Community Detection in Bipartite Networks with Stochastic Blockmodels [0.0]
バイパーティイトネットワークでは、あるタイプのノードは、他のタイプのノードとの共通の接続パターンに従ってグループ化される。
これにより、ブロックモデル(SBM)が2部構成のコミュニティ検出の直感的な選択となる。
我々はSBMの非パラメトリックな定式化とそれに対応するアルゴリズムを導入し、二部ネットワークのコミュニティを効率的に見つける。
論文 参考訳（メタデータ） (2020-01-22T05:58:19Z) - 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。