論文の概要: New Recipe for Semi-supervised Community Detection: Clique Annealing under Crystallization Kinetics

• arxiv url: http://arxiv.org/abs/2504.15927v1
• Date: Tue, 22 Apr 2025 14:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-30 18:01:24.641275
• Title: New Recipe for Semi-supervised Community Detection: Clique Annealing under Crystallization Kinetics
• Title（参考訳）: 半教師付きコミュニティ検出のための新しいレシピ:結晶化速度論による斜めアニーリング
• Authors: Ling Cheng, Jiashu Pu, Ruicheng Liang, Qian Shao, Hezhe Qiao, Feida Zhu,
• Abstract要約: 本稿では,運動学の概念をコミュニティ検出に統合するCLique ANNealing(CLANN)を提案する。 特に、コミュニティ検出は、アニーリングに似たプロセスを通じて完全な穀物(コミュニティ)に広がる結晶のサブグライン(コア)を特定するのが好まれる。 textbf43の異なるネットワーク設定の実験では、CLANNは複数の実世界のデータセットで最先端のメソッドよりも優れています。
• 参考スコア（独自算出の注目度）: 4.808367525484134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-supervised community detection methods are widely used for identifying specific communities due to the label scarcity. Existing semi-supervised community detection methods typically involve two learning stages learning in both initial identification and subsequent adjustment, which often starts from an unreasonable community core candidate. Moreover, these methods encounter scalability issues because they depend on reinforcement learning and generative adversarial networks, leading to higher computational costs and restricting the selection of candidates. To address these limitations, we draw a parallel between crystallization kinetics and community detection to integrate the spontaneity of the annealing process into community detection. Specifically, we liken community detection to identifying a crystal subgrain (core) that expands into a complete grain (community) through a process similar to annealing. Based on this finding, we propose CLique ANNealing (CLANN), which applies kinetics concepts to community detection by integrating these principles into the optimization process to strengthen the consistency of the community core. Subsequently, a learning-free Transitive Annealer was employed to refine the first-stage candidates by merging neighboring cliques and repositioning the community core, enabling a spontaneous growth process that enhances scalability. Extensive experiments on \textbf{43} different network settings demonstrate that CLANN outperforms state-of-the-art methods across multiple real-world datasets, showcasing its exceptional efficacy and efficiency in community detection.
• Abstract（参考訳）: ラベル不足による特定コミュニティの特定には,半教師付きコミュニティ検出法が広く用いられている。 既存の半教師付きコミュニティ検出手法は、初期識別とその後の調整の両方で学習する2つの学習段階を伴い、しばしば不合理なコミュニティコア候補から始まる。 さらに、これらの手法は、強化学習と生成的敵ネットワークに依存し、高い計算コストと候補の選択を制限するため、スケーラビリティの問題に直面する。 これらの制約に対処するため, 結晶化速度論とコミュニティ検出の並列性を引き合いに出し, 熱処理の自発的性をコミュニティ検出に統合する。 具体的には、アニーリングに似たプロセスを通じて、全粒(コミュニティ)に広がる結晶のサブグライン(コア)を特定することを好む。 この発見に基づいて,これらの原理を最適化プロセスに統合し,コミュニティコアの一貫性を強化することにより,コミュニティ検出に速度論的概念を適用したCLique ANNealing(CLANN)を提案する。 その後、学習のないトランジブ・アナーラーが、近隣の斜線を融合し、コミュニティのコアを再配置することで、拡張性を高める自発的な成長プロセスを実現することで、第1段階の候補を洗練するために採用された。 さまざまなネットワーク設定に関する大規模な実験は、CLANNが複数の実世界のデータセットにまたがる最先端の手法よりも優れており、コミュニティ検出におけるその異常な有効性と効率を示していることを示している。

関連論文リスト

• Community Detection by ELPMeans: An Unsupervised Approach That Uses Laplacian Centrality and Clustering [0.0]
  ソーシャルネットワークの最近の増加により、ネットワーク分析のコミュニティはより複雑になっている。 本稿は,この課題に対処する試みとして,ELPMeansという新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-27T09:07:45Z)
• GCC: Generative Calibration Clustering [55.44944397168619]
  本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。 まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。 第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
  論文  参考訳（メタデータ） (2024-04-14T01:51:11Z)
• A Unified and General Framework for Continual Learning [58.72671755989431]
  継続学習(CL)は、以前取得した知識を維持しながら、動的かつ変化するデータ分布から学ぶことに焦点を当てている。 正規化ベース、ベイズベース、メモリ再生ベースなど、破滅的な忘れ込みの課題に対処する様々な手法が開発されている。 本研究の目的は,既存の方法論を包含し,整理する包括的かつ包括的な枠組みを導入することで,このギャップを埋めることである。
  論文  参考訳（メタデータ） (2024-03-20T02:21:44Z)
• VEC-SBM: Optimal Community Detection with Vectorial Edges Covariates [67.51637355249986]
  本稿では,コミュニティ検出のための統計フレームワークであるブロックモデル(SBM)の拡張について検討する。 本稿では,反復的改良手法に基づく新しいアルゴリズムを提案し,潜在コミュニティを最適に回復することを示す。 コミュニティ検出プロセスにおいて,エッジ側情報を活用する付加価値を厳格に評価する。
  論文  参考訳（メタデータ） (2024-02-29T02:19:55Z)
• Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
  我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。 本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T14:47:52Z)
• Enhance Ambiguous Community Structure via Multi-strategy Community Related Link Prediction Method with Evolutionary Process [7.239725647907488]
  我々は新しいコミュニティ属性に基づくリンク予測戦略HAPを設計する。 本稿では,あいまいなコミュニティ構造を明らかにするためのリンクを追加することで,コミュニティの強化を図ることを目的とする。 提案手法は,提案手法が他のベースライン法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-28T06:24:16Z)
• Uncovering the Local Hidden Community Structure in Social Networks [20.467702194064525]
  本稿では,元のネットワークからサンプリングしたサブグラフ上で各レイヤを反復的に検出・増強する手法を提案する。 本手法は, 崩壊したコミュニティと地域コミュニティが, サブグラフの1つのコミュニティと見なされる状況を回避することができることを示す。
  論文  参考訳（メタデータ） (2021-12-08T04:07:19Z)
• Hybrid Dynamic Contrast and Probability Distillation for Unsupervised Person Re-Id [109.1730454118532]
  非監督的人物再識別(Re-Id)は、リードワールドビデオ監視システムにおける実践的応用により注目されている。 本稿では,ハイブリッド動的クラスタコントラストと確率蒸留アルゴリズムを提案する。 教師なしRe-Id問題を局所-言語的ダイナミックコントラスト学習と自己教師付き確率蒸留の枠組みに統合する。
  論文  参考訳（メタデータ） (2021-09-29T02:56:45Z)
• A multilevel clustering technique for community detection [0.0]
  本研究では,ネットワーク内の関連コミュニティを識別するスケーラブルなフレームワークに基づく新しい検出手法を提案する。 マイクロコズムと呼ばれる地域社会を識別するために構造的およびテキスト的情報を活用するマルチレベルクラスタリング手法(MCT)を提案する。 このアプローチは、低レベルのコミュニティがTwitterでどのように進化し、行動するかを説明するためのより良い理解と明快さを提供します。
  論文  参考訳（メタデータ） (2021-01-16T23:26:44Z)
• Certified Robustness of Community Detection against Adversarial Structural Perturbation via Randomized Smoothing [81.71105567425275]
  本研究は, 対向構造摂動に対するコミュニティ検出の信頼性保証を初めて開発した。 このスムーズなコミュニティ検出手法は,任意のノード群を同一のコミュニティにグループ化する。 また,本手法を複数の実世界グラフ上で実験的に評価した。
  論文  参考訳（メタデータ） (2020-02-09T18:39:39Z)

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。