論文の概要: Hybrid Graph Embeddings and Louvain Algorithm for Unsupervised Community Detection

• arxiv url: http://arxiv.org/abs/2509.23411v1
• Date: Sat, 27 Sep 2025 16:57:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.21193
• Title: Hybrid Graph Embeddings and Louvain Algorithm for Unsupervised Community Detection
• Title（参考訳）: 教師なしコミュニティ検出のためのハイブリッドグラフ埋め込みとルービンアルゴリズム
• Authors: Dalila Khettaf, Djamel Djenouri, Zeinab Rezaeifar, Youcef Djenouri,
• Abstract要約: 本稿では,Louvainアルゴリズムとグラフニューラルネットワーク(GNN)を統合した新しいコミュニティ検出手法を提案する。 GNNが生成したノード埋め込みを使ってLouvainアルゴリズムを拡張し、よりリッチな構造情報と特徴情報をキャプチャする。 拡張されたルーヴァンアルゴリズムの結果を洗練するためのマージングアルゴリズムを導入し、検出されたコミュニティの数を減らす。
• 参考スコア（独自算出の注目度）: 8.155864640187298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel community detection method that integrates the Louvain algorithm with Graph Neural Networks (GNNs), enabling the discovery of communities without prior knowledge. Compared to most existing solutions, the proposed method does not require prior knowledge of the number of communities. It enhances the Louvain algorithm using node embeddings generated by a GNN to capture richer structural and feature information. Furthermore, it introduces a merging algorithm to refine the results of the enhanced Louvain algorithm, reducing the number of detected communities. To the best of our knowledge, this work is the first one that improves the Louvain algorithm using GNNs for community detection. The improvement of the proposed method was empirically confirmed through an evaluation on real-world datasets. The results demonstrate its ability to dynamically adjust the number of detected communities and increase the detection accuracy in comparison with the benchmark solutions.
• Abstract（参考訳）: 本稿では,Louvainアルゴリズムとグラフニューラルネットワーク(GNN)を統合した新しいコミュニティ検出手法を提案する。 既存のほとんどのソリューションと比較して,提案手法はコミュニティの数に関する事前知識を必要としない。 GNNが生成したノード埋め込みを使ってLouvainアルゴリズムを拡張し、よりリッチな構造情報と特徴情報をキャプチャする。 さらに、Louvainアルゴリズムを改良したマージングアルゴリズムを導入し、検出されたコミュニティの数を削減した。 我々の知る限りでは、この研究は、コミュニティ検出のためにGNNを使用してLouvainアルゴリズムを改善する最初のものである。 提案手法の改良は実世界のデータセットの評価を通じて実証的に確認された。 その結果,検出されたコミュニティの数を動的に調整し,ベンチマークソリューションと比較して検出精度を向上させることができた。

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)
• Algorithm-Informed Graph Neural Networks for Leakage Detection and Localization in Water Distribution Networks [6.675805308519987]
  漏水は配水ネットワークの効率的かつ持続可能な管理にとって重要な課題である。 近年のアプローチでは、グラフベースのデータ駆動方式が採用されている。 本稿では,アルゴリズムインフォームドグラフニューラルネットワーク(AIGNN)を提案する。
  論文  参考訳（メタデータ） (2024-08-05T19:25:05Z)
• Graph Convolutional Branch and Bound [1.8966938152549224]
  本稿では、ニューラルネットワークを用いて情報量(特に最適性スコア)を学習し、最適解の近さを推定する。 このスコアは、ブランチとバウンドのフレームワーク内のノードを評価するために使用され、ソリューション空間をより効率的にすることができる。
  論文  参考訳（メタデータ） (2024-06-05T09:42:43Z)
• A Community Detection and Graph Neural Network Based Link Prediction Approach for Scientific Literature [3.682824797265354]
  本研究では,様々なグラフニューラルネットワーク(GNN)モデルとコミュニティ検出アルゴリズムを併用して,学術文献ネットワークにおけるリンク予測を促進する手法を提案する。 Louvainコミュニティ検出アルゴリズムをGNNフレームワークに統合することで、テスト対象の全モデルのパフォーマンスを継続的に向上します。 本研究は,ネットワーク科学モデルの予測精度向上に向けた重要な一歩として,コミュニティ構造の統合を提唱する。
  論文  参考訳（メタデータ） (2024-01-04T21:14:10Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Recurrent Graph Neural Network Algorithm for Unsupervised Network Community Detection [0.0]
  本稿では,モジュール性最適化による非教師付きネットワークコミュニティ検出のための再帰グラフニューラルネットワークアルゴリズムの新しい変種を提案する。 新しいアルゴリズムのパフォーマンスは、人気があり高速なLouvain法と、最近著者が提案したより効率的だが遅いComboアルゴリズムと比較される。
  論文  参考訳（メタデータ） (2021-03-03T16:50:50Z)
• Learning Graph Neural Networks with Approximate Gradient Descent [24.49427608361397]
  ラベルがノードまたはグラフに添付されているかどうかに応じて、2種類のグラフニューラルネットワーク(GNN)が調査されます。 gnnトレーニングアルゴリズムの設計と解析のための包括的なフレームワークを開発した。 提案アルゴリズムは,GNNの根底にある真のパラメータに対する線形収束率を保証する。
  論文  参考訳（メタデータ） (2020-12-07T02:54:48Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• 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)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。