論文の概要: Community Search in Time-dependent Road-social Attributed Networks

• arxiv url: http://arxiv.org/abs/2505.12309v1
• Date: Sun, 18 May 2025 08:45:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.156445
• Title: Community Search in Time-dependent Road-social Attributed Networks
• Title（参考訳）: 時間依存型道路社会分散ネットワークにおけるコミュニティ検索
• Authors: Li Ni, Hengkai Xu, Lin Mu, Yiwen Zhang, Wenjian Luo,
• Abstract要約: 現実世界のネットワークは、しばしば、交通条件による移動時間の変化とともに、キーワードと場所の両方を含む。 既存のコヒーシブな部分グラフに基づくコミュニティ検索研究は、キーワードや場所の1つの属性を使ってコミュニティを識別している。 本稿では,問合せノードから外へ徐々に拡張する,正確かつ欲求的なアルゴリズムを提案する。
• 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: Real-world networks often involve both keywords and locations, along with travel time variations between locations due to traffic conditions. However, most existing cohesive subgraph-based community search studies utilize a single attribute, either keywords or locations, to identify communities. They do not simultaneously consider both keywords and locations, which results in low semantic or spatial cohesiveness of the detected communities, and they fail to account for variations in travel time. Additionally, these studies traverse the entire network to build efficient indexes, but the detected community only involves nodes around the query node, leading to the traversal of nodes that are not relevant to the community. Therefore, we propose the problem of discovering semantic-spatial aware k-core, which refers to a k-core with high semantic and time-dependent spatial cohesiveness containing the query node. To address this problem, we propose an exact and a greedy algorithm, both of which gradually expand outward from the query node. They are local methods that only access the local part of the attributed network near the query node rather than the entire network. Moreover, we design a method to calculate the semantic similarity between two keywords using large language models. This method alleviates the disadvantages of keyword-matching methods used in existing community search studies, such as mismatches caused by differently expressed synonyms and the presence of irrelevant words. Experimental results show that the greedy algorithm outperforms baselines in terms of structural, semantic, and time-dependent spatial cohesiveness.
• Abstract（参考訳）: 現実世界のネットワークは、しばしば、交通条件による移動時間の変化とともに、キーワードと場所の両方を含む。 しかし、既存の結束的な部分グラフに基づくコミュニティ検索研究の多くは、キーワードや場所の1つの属性を使ってコミュニティを識別している。 彼らはキーワードと場所の両方を同時に考慮せず、検出されたコミュニティのセマンティック性や空間的密着性が低く、旅行時間の変動を考慮できない。 さらに、これらの研究はネットワーク全体を横断して効率的なインデックスを構築するが、検出されたコミュニティはクエリノード周辺のノードのみを伴い、コミュニティに関係のないノードのトラバースにつながる。 そこで本研究では,問合せノードを含む時間依存空間密着度の高いkコアを参照して,意味空間認識型kコアの発見問題を提案する。 そこで本研究では,問合せノードから外へ徐々に拡張する,正確かつ欲求的なアルゴリズムを提案する。 これらは、ネットワーク全体ではなく、クエリノードの近くの属性付きネットワークのローカル部分のみにアクセスするローカルメソッドである。 さらに,大規模言語モデルを用いて2つのキーワード間の意味的類似性を計算する手法を設計する。 本手法は,異なる表現の同義語によるミスマッチや無関係な単語の存在など,既存のコミュニティ検索研究で使用されているキーワードマッチング手法の欠点を軽減する。 実験結果から, グリーディアルゴリズムは, 構造的, 意味的, 時間依存性の空間的結合性において, ベースラインよりも優れていた。

関連論文リスト

• 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)
• LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
  リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。 効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。 この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T05:32:33Z)
• Implicit models, latent compression, intrinsic biases, and cheap lunches in community detection [0.0]
  コミュニティ検出は、ネットワークをノードのクラスタに分割して、その大規模な構造を要約することを目的としている。 いくつかのコミュニティ検出手法は、確率的生成モデルを通じてクラスタリングの目的を明示的に導出する。 他の方法は記述的であり、特定のアプリケーションによって動機付けられた目的に応じてネットワークを分割する。 本稿では,コミュニティ検出対象,推論対象,記述対象とそれに対応する暗黙的ネットワーク生成モデルとを関連付けるソリューションを提案する。
  論文  参考訳（メタデータ） (2022-10-17T15:38:41Z)
• Exploring Complicated Search Spaces with Interleaving-Free Sampling [127.07551427957362]
  本稿では,長距離接続を伴う複雑な検索空間上に探索アルゴリズムを構築する。 我々はtextbfIF-NAS という単純なアルゴリズムを提案し、異なるサブネットワークを構築するために周期的なサンプリング戦略を実行する。 提案した探索空間において、IF-NASはランダムサンプリングと従来の重み付け検索のアルゴリズムを有意差で上回っている。
  論文  参考訳（メタデータ） (2021-12-05T06:42:48Z)
• 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。