論文の概要: How Cohesive Are Community Search Results on Online Social Networks?: An Experimental Evaluation
- arxiv url: http://arxiv.org/abs/2504.19489v4
- Date: Thu, 01 May 2025 09:12:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.328255
- Title: How Cohesive Are Community Search Results on Online Social Networks?: An Experimental Evaluation
- Title（参考訳）: オンラインソーシャルネットワークにおけるコミュニティ検索の結束性 : 実験による評価
- Authors: Yining Zhao, Sourav S Bhowmick, Nastassja L. Fischer, SH Annabel Chen,
- Abstract要約: 本稿では,コミュニティ検索アルゴリズムw.r.tの有効性を実験的に評価する。
社会共同体は集団結束理論の影響下で形成・発展される。
オンラインソーシャルネットワークにおいて心理的に結束したコミュニティを効果的に識別するアルゴリズムは存在しない。
- 参考スコア（独自算出の注目度）: 11.75956452196938
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, numerous community search methods for large graphs have been proposed, at the core of which is defining and measuring cohesion. This paper experimentally evaluates the effectiveness of these community search algorithms w.r.t. cohesiveness in the context of online social networks. Social communities are formed and developed under the influence of group cohesion theory, which has been extensively studied in social psychology. However, current generic methods typically measure cohesiveness using structural or attribute-based approaches and overlook domain-specific concepts such as group cohesion. We introduce five novel psychology-informed cohesiveness measures, based on the concept of group cohesion from social psychology, and propose a novel framework called CHASE for evaluating eight representative community search algorithms w.r.t. these measures on online social networks. Our analysis reveals that there is no clear correlation between structural and psychological cohesiveness, and no algorithm effectively identifies psychologically cohesive communities in online social networks. This study provides new insights that could guide the development of future community search methods.
- Abstract（参考訳）: 近年,多数の大規模グラフのコミュニティ検索手法が提案されており,その中核となるのは凝集度の定義と測定である。
本稿では,これらのコミュニティ検索アルゴリズムがオンラインソーシャルネットワークの文脈における凝集度に与える影響を実験的に評価する。
社会社会は集団結束理論の影響を受けて形成され、社会心理学で広く研究されている。
しかし、現在の一般的な方法は通常、構造的あるいは属性に基づくアプローチを用いて凝集度を測定し、グループ凝集のようなドメイン固有の概念を見落としている。
本研究では,社会心理学からの集団結束概念に基づく5つの新しい心理学的インフォームド・コヒーシブネス尺度を導入し,これらの指標をオンラインソーシャルネットワーク上で評価するためのCHASEと呼ばれる新しい枠組みを提案する。
分析の結果, 構造的結束性と心理的結束性の間には明確な相関関係はなく, オンラインソーシャルネットワークにおける心理的結束性コミュニティを効果的に同定するアルゴリズムが存在しないことがわかった。
本研究は,今後のコミュニティ検索手法の開発を導く新たな知見を提供する。
関連論文リスト
- Comparative Analysis of Community Detection Algorithms on the SNAP Social Circles Dataset [0.0]
SNAP Social Circlesデータセットに適用されたいくつかの顕著なコミュニティ検出アルゴリズムの比較分析を行った。
モジュラリティ,正規化カット比,シルエットスコア,コンパクト性,分離性など,様々な指標に基づいて,これらのアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2025-02-01T23:38:09Z) - Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。
テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
論文 参考訳（メタデータ） (2024-09-18T03:03:02Z) - Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - ValueScope: Unveiling Implicit Norms and Values via Return Potential Model of Social Interactions [47.85181608392683]
我々は、13のRedditコミュニティで言語的およびスタイリスティックな表現を識別し分析するためにValueScopeを使用します。
我々の分析は、近縁なコミュニティでさえ、非常に多様な規範を示すことを示す定量的基盤を提供する。
論文 参考訳（メタデータ） (2024-07-02T17:51:27Z) - Testing network clustering algorithms with Natural Language Processing [0.0]
本稿では,オンライン生産をソーシャル・グループに分類できる個人の集合として,文化に基づくオンライン・ソーシャル・グループの定義を提案する。
この分析の重要な結果は、自然言語処理分類との一致を利用して、コミュニティ検出アルゴリズムをスコアリングできることである。
論文 参考訳（メタデータ） (2024-06-24T20:54:32Z) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳（メタデータ） (2022-08-25T15:53:32Z) - 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 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) - 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) - The Homophily Principle in Social Network Analysis [13.039459168820901]
ホモフィリー(英: Homophily)とは、同情的な人々が社会集団で互いに交流する傾向である。
ホモフィリーの研究は、社会内の情報や行動の流れに関する優れた洞察を与えることができる。
論文 参考訳（メタデータ） (2020-08-21T05:43:59Z) - CommuNety: A Deep Learning System for the Prediction of Cohesive Social
Communities [14.839117147209603]
画像を用いた結束型ソーシャルネットワーク予測のための深層学習システムCommuNetyを提案する。
提案したディープラーニングモデルは階層型CNNアーキテクチャで構成され,各結合ネットワークに関連する記述的特徴を学習する。
また、画像中の人物の存在を定量化するための新しい顔共起周波数アルゴリズムと、予測されたソーシャルネットワークにおける個人間の関係の強さを分析する新しい写真ランキング手法を提案する。
論文 参考訳（メタデータ） (2020-07-29T11:03:22Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z)
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。