論文の概要: Pre-trained Prompt-driven Semi-supervised Local Community Detection

• arxiv url: http://arxiv.org/abs/2505.12304v2
• Date: Fri, 30 May 2025 06:17:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 15:03:35.028591
• Title: Pre-trained Prompt-driven Semi-supervised Local Community Detection
• Title（参考訳）: 事前訓練したプロンプト駆動型半教師付き地域コミュニティ検出
• Authors: Li Ni, Hengkai Xu, Lin Mu, Yiwen Zhang, Wenjian Luo,
• Abstract要約: プロンプト駆動型半教師型地域コミュニティ検出法(PPSL) PPSLはノードエンコーディング、サンプル生成、プロンプト駆動の微調整の3つの主要コンポーネントで構成されている。 5つの実世界のデータセットによる実験結果から、PPSLはコミュニティの品質と効率の両方においてベースラインを上回っていることが示された。
• 参考スコア（独自算出の注目度）: 6.120128190130239
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-supervised local community detection aims to leverage known communities to detect the community containing a given node. Although existing semi-supervised local community detection studies yield promising results, they suffer from time-consuming issues, highlighting the need for more efficient algorithms. Therefore, we apply the "pre-train, prompt" paradigm to semi-supervised local community detection and propose the Pre-trained Prompt-driven Semi-supervised Local community detection method (PPSL). PPSL consists of three main components: node encoding, sample generation, and prompt-driven fine-tuning. Specifically, the node encoding component employs graph neural networks to learn the representations of nodes and communities. Based on representations of nodes and communities, the sample generation component selects known communities that are structurally similar to the local structure of the given node as training samples. Finally, the prompt-driven fine-tuning component leverages these training samples as prompts to guide the final community prediction. Experimental results on five real-world datasets demonstrate that PPSL outperforms baselines in both community quality and efficiency.
• Abstract（参考訳）: 半教師付き地域コミュニティ検出は、既知のコミュニティを活用して、特定のノードを含むコミュニティを検出することを目的としている。 既存の半教師付き地域コミュニティ検出研究は有望な結果をもたらすが、時間を要する問題に悩まされ、より効率的なアルゴリズムの必要性を強調している。 そこで我々は,この「事前学習,即時学習」パラダイムを半教師付き地域コミュニティ検出に適用し,事前訓練型プロンプト駆動半教師型地域コミュニティ検出法(PPSL)を提案する。 PPSLはノードエンコーディング、サンプル生成、プロンプト駆動の微調整の3つの主要コンポーネントで構成されている。 具体的には、ノードエンコーディングコンポーネントはグラフニューラルネットワークを使用して、ノードとコミュニティの表現を学習する。 ノードとコミュニティの表現に基づいて、サンプル生成コンポーネントは、与えられたノードの局所構造と構造的に類似した既知のコミュニティをトレーニングサンプルとして選択する。 最後に、プロンプト駆動の微調整コンポーネントは、これらのトレーニングサンプルを活用して、最終的なコミュニティ予測をガイドする。 5つの実世界のデータセットによる実験結果から、PPSLはコミュニティの品質と効率の両方においてベースラインを上回っていることが示された。

関連論文リスト

• A Local Perspective-based Model for Overlapping Community Detection [0.06206748337438322]
  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。
  論文  参考訳（メタデータ） (2025-03-27T14:43:42Z)
• A Unified Framework for Exploratory Learning-Aided Community Detection Under Topological Uncertainty [14.903452009770715]
  META-CODEは、ソーシャルネットワークにおける重複コミュニティを検出する統合フレームワークである。 1)新たな再構築損失によってトレーニングされたグラフニューラルネットワーク(GNN)に基づくノードレベルのコミュニティアフィリエイト埋め込み,2)コミュニティアフィリエイトベースのノードクエリによるネットワーク探索,3)エッジ接続に基づくSiameseニューラルネットワークモデルを用いたネットワーク推論,の3つのステップで構成されている。
  論文  参考訳（メタデータ） (2023-04-10T10:22:21Z)
• CS-TGN: Community Search via Temporal Graph Neural Networks [0.0]
  本稿では,フレキシブルなコミュニティ構造をキャプチャ可能なクエリ駆動型時間グラフ畳み込みネットワーク(CS-TGN)を提案する。 CS-TGNはまず、ローカルクエリ依存構造と、ネットワークの各スナップショットにグローバルグラフを埋め込む。 我々は,このモデルをオンライン環境でインタラクティブなコミュニティ検索に活用する方法を実証する。
  論文  参考訳（メタデータ） (2023-03-15T22:23:32Z)
• META-CODE: Community Detection via Exploratory Learning in Topologically Unknown Networks [5.299515147443958]
  META-CODEは、未知のトポロジを持つネットワーク内の重複するコミュニティを検出するエンドツーエンドのソリューションである。 1)ネットワークの初期推定,2)グラフニューラルネットワーク(GNN)に基づくノードレベルのコミュニティアフィリエイト埋め込み,3)コミュニティアフィリエイトベースのノードクエリによるネットワーク探索,の3つのステップで構成されている。
  論文  参考訳（メタデータ） (2022-08-23T15:02:48Z)
• 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)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• QD-GCN: Query-Driven Graph Convolutional Networks for Attributed Community Search [54.42038098426504]
  QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。 本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
  論文  参考訳（メタデータ） (2021-04-08T07:52:48Z)
• Variational Embeddings for Community Detection and Node Representation [5.197034517903854]
  コミュニティ検出とノード表現のための変分埋め込みを共同学習するためのVECoDeRと呼ばれる効率的な生成モデルを提案する。 我々は、VECoDeRが3つのタスクすべてで多くの競合ベースラインを効果的に上回るいくつかのグラフデータセットを実証します。
  論文  参考訳（メタデータ） (2021-01-11T13:36:29Z)
• 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)

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。