論文の概要: An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks

• arxiv url: http://arxiv.org/abs/2502.02197v1
• Date: Tue, 04 Feb 2025 10:22:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:01:07.631609
• Title: An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks
• Title（参考訳）: 符号付きネットワークにおける分極型コミュニティ発見のための効率的な局所探索手法
• Authors: Linus Aronsson, Morteza Haghir Chehreghani,
• Abstract要約: 我々は,友好的あるいは敵対的な相互作用を示すために,エッジを正あるいは負のラベルでラベル付けしたサイン付きネットワークについて検討する。 我々はFrank-Wolfe最適化に基づく手法を開発し、証明可能な収束保証付き局所探索手法を提案する。 提案手法は,計算効率の面で競争力を維持しつつ,スケーラブルかつ効率よく,ソリューション品質における最先端のベースラインを達成できる。
• 参考スコア（独自算出の注目度）: 3.2688425993442696
• License:
• Abstract: Signed networks, where edges are labeled as positive or negative to indicate friendly or antagonistic interactions, offer a natural framework for studying polarization, trust, and conflict in social systems. Detecting meaningful group structures in these networks is crucial for understanding online discourse, political division, and trust dynamics. A key challenge is to identify groups that are cohesive internally yet antagonistic externally, while allowing for neutral or unaligned vertices. In this paper, we address this problem by identifying $k$ polarized communities that are large, dense, and balanced in size. We develop an approach based on Frank-Wolfe optimization, leading to a local search procedure with provable convergence guarantees. Our method is both scalable and efficient, outperforming state-of-the-art baselines in solution quality while remaining competitive in terms of computational efficiency.
• Abstract（参考訳）: エッジが友好的あるいは敵対的な相互作用を示すために肯定的または否定的にラベル付けされたサイン付きネットワークは、社会システムにおける分極、信頼、紛争を研究するための自然な枠組みを提供する。 これらのネットワークにおいて意味のあるグループ構造を検出することは、オンラインの談話、政治的分裂、信頼のダイナミクスを理解するために不可欠である。 鍵となる課題は、中性か不整合の頂点を許容しながら、内部的かつ対角的に結合性のある群を識別することである。 本稿では, 大規模で密度が高く, バランスの取れた分極型コミュニティを同定し, この問題に対処する。 我々はFrank-Wolfe最適化に基づく手法を開発し、証明可能な収束保証付き局所探索手法を提案する。 提案手法は,計算効率の面で競争力を維持しつつ,スケーラブルかつ効率よく,ソリューション品質における最先端のベースラインを達成できる。

関連論文リスト

• Learning to Solve Combinatorial Optimization under Positive Linear Constraints via Non-Autoregressive Neural Networks [103.78912399195005]
  組合せ最適化(英: Combinatorial Optimization、CO)は、計算機科学、応用数学などにおける基本的な問題である。 本稿では, 正線形制約下でのCO問題の解法として, 非自己回帰ニューラルネットワーク群を設計する。 本研究では,施設位置,最大被覆率,旅行セールスマン問題を含む代表的CO問題の解決において,この枠組みの有効性を検証する。
  論文  参考訳（メタデータ） (2024-09-06T14:58:31Z)
• 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)
• Rebalancing Social Feed to Minimize Polarization and Disagreement [24.939887831898453]
  本稿では,ユーザのソーシャルフィードをわずかにヌードすることを目的とした新しい問題定式化を提案し,その妥当性と多様性を両立させる。 提案手法は,ユーザがフォローするアカウントの相対的重要性を再重み付けすることで,ユーザに対して様々なアカウントが生成するコンテンツの頻度を校正する。
  論文  参考訳（メタデータ） (2023-08-28T10:59:05Z)
• Network polarization, filter bubbles, and echo chambers: An annotated review of measures and reduction methods [0.0]
  偏極は、下層のネットワークが、グループ間の接続が弱い高度に連結されたグループによって特徴づけられるときに生じる。 本研究は、ネットワーク偏光対策と偏光処理に使用されるモデルについて注釈付きレビューを行う。
  論文  参考訳（メタデータ） (2022-07-27T21:23:27Z)
• One More Step Towards Reality: Cooperative Bandits with Imperfect Communication [15.440053226788562]
  我々は,3つの典型的な実世界のコミュニケーションシナリオの下で協調的バンディット学習を研究する。 競争性能を実現する分散型アルゴリズムを提案する。 様々なネットワークトポロジにおいて既存の最先端技術よりも優れた遅延更新アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-24T13:19:11Z)
• Finite-Time Consensus Learning for Decentralized Optimization with Nonlinear Gossiping [77.53019031244908]
  本稿では,非線形ゴシップ(NGO)に基づく分散学習フレームワークを提案する。 コミュニケーション遅延とランダム化チャットが学習にどう影響するかを解析することで,実践的なバリエーションの導出が可能となる。
  論文  参考訳（メタデータ） (2021-11-04T15:36:25Z)
• 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)
• 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)
• Competing Adaptive Networks [56.56653763124104]
  適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。 本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
  論文  参考訳（メタデータ） (2021-03-29T14:42:15Z)
• Hide and Seek: Outwitting Community Detection Algorithms [17.144388833011536]
  ネットワーク内のノードのコンテキスト位置を決定する上で,コミュニティ提携は重要な役割を果たす。 本研究は,そのようなセンシティブなコミュニティを隠して,対象ノードのコミュニティ関連を隠蔽することに焦点を当てている。 我々は,ノード中心の目的関数を厳格に最適化し,スイッチング戦略を決定する新手法であるNEURALを紹介する。
  論文  参考訳（メタデータ） (2021-02-22T03:50:44Z)
• 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)

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。