論文の概要: Graph Integrated Transformers for Community Detection in Social Networks

• arxiv url: http://arxiv.org/abs/2601.04367v1
• Date: Wed, 07 Jan 2026 20:13:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.899537
• Title: Graph Integrated Transformers for Community Detection in Social Networks
• Title（参考訳）: ソーシャルネットワークにおけるコミュニティ検出のためのグラフ統合変換器
• Authors: Heba Zahran, M. Omair Shafiq,
• Abstract要約: 本稿では,GNNとTransformerベースのアテンション機構を組み合わせたハイブリッドモデルを提案する。 自己最適化クラスタリングモジュールは、K平均、シルエット損失、KL分散化によるコミュニティ割り当てを洗練する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Community detection is crucial for applications like targeted marketing and recommendation systems. Traditional methods rely on network structure, and embedding-based models integrate semantic information. However, there is a challenge when a model leverages local and global information from complex structures like social networks. Graph Neural Networks (GNNs) and Transformers have shown superior performance in capturing local and global relationships. In this paper, We propose Graph Integrated Transformer for Community Detection (GIT-CD), a hybrid model combining GNNs and Transformer-based attention mechanisms to enhance community detection in social networks. Specifically, the GNN module captures local graph structures, while the Transformer module models long-range dependencies. A self-optimizing clustering module refines community assignments using K-Means, silhouette loss, and KL divergence minimization. Experimental results on benchmark datasets show that GIT-CD outperforms state-of-the-art models, making it a robust approach for detecting meaningful communities in complex social networks.
• Abstract（参考訳）: ターゲットとするマーケティングやレコメンデーションシステムのようなアプリケーションには、コミュニティ検出が不可欠だ。 従来の手法はネットワーク構造に依存しており、埋め込みベースのモデルは意味情報を統合する。 しかし、モデルがソーシャルネットワークのような複雑な構造からローカルおよびグローバルな情報を利用する場合、課題がある。 グラフニューラルネットワーク(GNN)とトランスフォーマーは、局所的およびグローバルな関係をキャプチャする上で、優れたパフォーマンスを示している。 本稿では,コミュニティ検出のためのグラフ統合トランスフォーマー(GIT-CD)を提案する。 具体的には、GNNモジュールはローカルグラフ構造をキャプチャし、Transformerモジュールは長距離依存をモデル化する。 自己最適化クラスタリングモジュールは、K平均、シルエット損失、KL分散化によるコミュニティ割り当てを洗練する。 ベンチマークデータセットによる実験結果から、GIT-CDは最先端のモデルよりも優れており、複雑なソーシャルネットワークにおいて意味のあるコミュニティを検出するための堅牢なアプローチであることが示された。

関連論文リスト

• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• 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)
• Learning a Mini-batch Graph Transformer via Two-stage Interaction Augmentation [34.969019293698885]
  Mini-batch Graph Transformer (MGT) は、半教師付きノード予測タスクにおいて大きな利点を示している。 各ミニバッチにおけるノード数の制限は、グラフのグローバルな特性を捉えるためのモデルの容量を制限する。 LGMformerは,2段階の拡張現実戦略を取り入れた新しいMGTモデルである。
  論文  参考訳（メタデータ） (2024-07-13T14:42:22Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• RAGFormer: Learning Semantic Attributes and Topological Structure for Fraud Detection [8.050935113945428]
  本稿では,transFormer(RAGFormer)を用いたRelation-Aware GNNという新しいフレームワークを提案する。 RAGFormerはセマンティック機能とトポロジ機能の両方をターゲットノードに埋め込む。 単純なネットワークはセマンティックエンコーダ、トポロジーエンコーダ、アテンション融合モジュールで構成される。
  論文  参考訳（メタデータ） (2024-02-27T12:53:15Z)
• Unsupervised Graph Attention Autoencoder for Attributed Networks using K-means Loss [0.0]
  我々は、属性付きネットワークにおけるコミュニティ検出のための、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。 提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
  論文  参考訳（メタデータ） (2023-11-21T20:45:55Z)
• 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)

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。