Fugu-MT 論文翻訳(概要): Multilayer Artificial Benchmark for Community Detection (mABCD)

論文の概要: Multilayer Artificial Benchmark for Community Detection (mABCD)

arxiv url: http://arxiv.org/abs/2507.10795v1
Date: Mon, 14 Jul 2025 20:49:51 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-16 19:46:02.881897
Title: Multilayer Artificial Benchmark for Community Detection (mABCD)
Title（参考訳）: コミュニティ検出のための多層人工ベンチマーク(mABCD)
Authors: Łukasz Kraiński, Michał Czuba, Piotr Bródka, Paweł Prałat, Bogumił Kamiński, François Théberge,
Abstract要約: ABCDモデルの基盤となる要素を応用し,マルチ層ネットワーク,mABCDにその変種を導入する。このモデルはよく知られたLFRモデルに似たグラフを生成するが、より速く、より解釈可能であり、分析的に研究することができる。
参考スコア（独自算出の注目度）: 1.979158763744267
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Artificial Benchmark for Community Detection (ABCD) model is a random graph model with community structure and power-law distribution for both degrees and community sizes. The model generates graphs similar to the well-known LFR model but it is faster, more interpretable, and can be investigated analytically. In this paper, we use the underlying ingredients of the ABCD model and introduce its variant for multilayer networks, mABCD.
Abstract（参考訳）: ABCDモデル(Artificial Benchmark for Community Detection)は、コミュニティ構造とコミュニティサイズの両方のパワー-ロー分布を持つランダムグラフモデルである。このモデルはよく知られたLFRモデルに似たグラフを生成するが、より速く、より解釈可能であり、分析的に研究することができる。本稿では,ABCD モデルの基礎となる要素を用いて,マルチ層ネットワーク,mABCD にその変種を導入する。

関連論文リスト

A Top-down Graph-based Tool for Modeling Classical Semantic Maps: A Crosslinguistic Case Study of Supplementary Adverbs [50.982315553104975]
セマンティックマップモデル(SMM)は、言語横断的なインスタンスや形式からネットワークのような概念空間を構築する。ほとんどのSMMは、ボトムアップ手順を使用して、人間の専門家によって手動で構築される。本稿では,概念空間とSMMをトップダウンで自動生成するグラフベースの新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-12-02T12:06:41Z)
Scalable Weibull Graph Attention Autoencoder for Modeling Document Networks [50.42343781348247]
解析条件後部を解析し,推論精度を向上させるグラフポアソン因子分析法(GPFA)を開発した。また,GPFAを多層構造に拡張したグラフPoisson gamma belief Network (GPGBN) を用いて,階層的な文書関係を複数の意味レベルで捉える。本モデルでは,高品質な階層型文書表現を抽出し,様々なグラフ解析タスクにおいて有望な性能を実現する。
論文参考訳（メタデータ） (2024-10-13T02:22:14Z)
Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
論文参考訳（メタデータ） (2024-04-24T03:25:53Z)
Self-similarity of Communities of the ABCD Model [0.5461938536945723]
The Artificial Benchmark for Community Detection (ABCD) graph is a random graph model with community structure and power-law distribution for both degrees and community sizes。 ABCDモデルは興味深い自己相似行動を示す。
論文参考訳（メタデータ） (2023-11-30T22:52:39Z)
Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution [67.9215891673174]
離散空間に対するスコアマッチングを自然に拡張する新たな損失として,スコアエントロピーを提案する。標準言語モデリングタスク上で,Score Entropy Discrete Diffusionモデルをテストする。
論文参考訳（メタデータ） (2023-10-25T17:59:12Z)
Artificial Benchmark for Community Detection with Outliers (ABCD+o) [5.8010446129208155]
ABCDモデルを拡張して、潜在的な外れ値を含める。我々はABCD+oモデルと実世界のネットワークの両方で探索実験を行い、外れ値が所望の特性を持つことを示す。
論文参考訳（メタデータ） (2023-01-13T20:14:44Z)
Hypergraph Artificial Benchmark for Community Detection (h-ABCD) [5.8010446129208155]
h-ABCDは、地平線の大きさと電力法に従って度合いの分布を持つランダムなハイパーグラフを生成する。オリジナルのABCDと同様に、新しいモデルh-ABCDは様々なレベルのノイズを持つハイパーグラフを生成することができる。
論文参考訳（メタデータ） (2022-10-26T20:06:56Z)
Modularity of the ABCD Random Graph Model with Community Structure [2.580765958706854]
ABCDグラフ(ABCD graph)は、地域社会の構造と、地域社会の大きさの両面での権力-法則分布を持つランダムグラフモデルである。我々は,ネットワークの最も重要なグラフ特性であるモジュラリティ関数を,コミュニティ検出の文脈で解析する。また、広く使われているルービンアルゴリズムを含む多くのコミュニティ検出アルゴリズムの品質関数としても使用されている。
論文参考訳（メタデータ） (2022-03-03T01:49:46Z)
A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文参考訳（メタデータ） (2021-05-20T15:18:06Z)
Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文参考訳（メタデータ） (2020-10-12T03:27:07Z)
Artificial Benchmark for Community Detection (ABCD): Fast Random Graph Model with Community Structure [5.8010446129208155]
我々は、コミュニティ構造と、コミュニティサイズおよびコミュニティサイズの両方のパワー-法則分布を持つ代替のランダムグラフモデル、ABCD(Artificial Benchmark for Community Detection)を提供する。 ABCDは高速でシンプルで、ユーザーが純粋(独立)なコミュニティと、コミュニティ構造のないランダムなグラフの2つの極端間のスムーズな遷移を可能にするように、簡単に調整できる。
論文参考訳（メタデータ） (2020-01-14T17:20:27Z)

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。