論文の概要: A Local Perspective-based Model for Overlapping Community Detection
- arxiv url: http://arxiv.org/abs/2503.21558v1
- Date: Thu, 27 Mar 2025 14:43:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:51:31.747701
- Title: A Local Perspective-based Model for Overlapping Community Detection
- Title(参考訳): 重なり合うコミュニティ検出のための局所的視点ベースモデル
- Authors: Gaofeng Zhou, Rui-Feng Wang, Kangning Cui,
- Abstract要約: 地域コミュニティの観点から重なり合うコミュニティ検出モデルであるLQ-GCNを提案する。
LQ-GCNはBernoulli-Poissonモデルを用いてコミュニティアフィリエイトマトリックスを構築し、エンドツーエンド検出フレームワークを形成する。
LQ-GCNは、正規化された相互情報(NMI)が最大33%改善され、リコールが26.3%改善された。
- 参考スコア(独自算出の注目度): 0.06206748337438322
- License:
- Abstract: Community detection, which identifies densely connected node clusters with sparse between-group links, is vital for analyzing network structure and function in real-world systems. Most existing community detection methods based on GCNs primarily focus on node-level information while overlooking community-level features, leading to performance limitations on large-scale networks. To address this issue, we propose LQ-GCN, an overlapping community detection model from a local community perspective. LQ-GCN employs a Bernoulli-Poisson model to construct a community affiliation matrix and form an end-to-end detection framework. By adopting local modularity as the objective function, the model incorporates local community information to enhance the quality and accuracy of clustering results. Additionally, the conventional GCNs architecture is optimized to improve the model capability in identifying overlapping communities in large-scale networks. Experimental results demonstrate that LQ-GCN achieves up to a 33% improvement in Normalized Mutual Information (NMI) and a 26.3% improvement in Recall compared to baseline models across multiple real-world benchmark datasets.
- Abstract(参考訳): グループ間リンクの少ない密結合ノードクラスタを識別するコミュニティ検出は、実世界のシステムにおけるネットワーク構造と機能を分析する上で不可欠である。
GCNに基づく既存のコミュニティ検出手法のほとんどは、主にノードレベルの情報に重点を置いているが、コミュニティレベルの機能を見下ろしているため、大規模ネットワークのパフォーマンスに制限がある。
この問題に対処するため,地域コミュニティの観点から重複するコミュニティ検出モデルであるLQ-GCNを提案する。
LQ-GCNはBernoulli-Poissonモデルを用いてコミュニティアフィリエイトマトリックスを構築し、エンドツーエンド検出フレームワークを形成する。
目的関数として局所的モジュラリティを採用することにより、クラスタリング結果の品質と精度を高めるために、局所的なコミュニティ情報を組み込む。
さらに,大規模ネットワークにおける重なり合うコミュニティを識別するモデル機能を改善するために,従来のGCNsアーキテクチャが最適化されている。
実験の結果、LQ-GCNは、複数の実世界のベンチマークデータセットのベースラインモデルと比較して、正規化された相互情報(NMI)が最大で33%改善され、リコールが26.3%改善された。
関連論文リスト
- A stochastic block model for community detection in attributed networks [7.128313939076842]
既存のコミュニティ検出手法は主にネットワーク構造に焦点をあてるが、ノード属性を統合する手法は主に従来のコミュニティ構造に当てられている。
本稿では,属性付きネットワークにおけるコミュニティ検出のためのノードの重心性とクラスタリング係数を統合するブロックモデルを提案する。
このモデルの性能は他の5つの比較アルゴリズムよりも優れている。
論文 参考訳(メタデータ) (2023-08-31T01:00:24Z) - GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。
GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
論文 参考訳(メタデータ) (2022-05-30T23:49:19Z) - High-order Order Proximity-Incorporated, Symmetry and Graph-Regularized
Nonnegative Matrix Factorization for Community Detection [6.573829734173933]
高次近似(HOP)、対称性、グラフ規則化NMF(HSGN)モデルの提案。
HSGNベースのコミュニティ検出器は、高い精度のコミュニティ検出結果を提供するために、ベンチマークと最先端のコミュニティ検出器の両方を著しく上回っている。
論文 参考訳(メタデータ) (2022-03-08T06:45:31Z) - 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) - A Variational Edge Partition Model for Supervised Graph Representation
Learning [51.30365677476971]
本稿では,重なり合うノード群間の相互作用を集約することで,観測されたエッジがどのように生成されるかをモデル化するグラフ生成プロセスを提案する。
それぞれのエッジを複数のコミュニティ固有の重み付きエッジの和に分割し、コミュニティ固有のGNNを定義する。
エッジを異なるコミュニティに分割するGNNベースの推論ネットワーク,これらのコミュニティ固有のGNN,およびコミュニティ固有のGNNを最終分類タスクに組み合わせたGNNベースの予測器を共同で学習するために,変分推論フレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-07T14:37:50Z) - CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point
Clouds [51.47100091540298]
本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。
CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
論文 参考訳(メタデータ) (2021-08-31T23:27:33Z) - Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。
私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文 参考訳(メタデータ) (2021-07-28T03:46:57Z) - Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。
我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。
我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
論文 参考訳(メタデータ) (2020-10-29T16:18:48Z) - 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。