論文の概要: Improving the Accuracy of Community Detection on Signed Networks via Community Refinement and Contrastive Learning

• arxiv url: http://arxiv.org/abs/2601.16372v1
• Date: Fri, 23 Jan 2026 00:00:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.490762
• Title: Improving the Accuracy of Community Detection on Signed Networks via Community Refinement and Contrastive Learning
• Title（参考訳）: コミュニティリファインメントとコントラスト学習によるサイン付きネットワークにおけるコミュニティ検出の精度向上
• Authors: Hyunuk Shin, Hojin Kim, Chanyoung Lee, Yeon-Chang Lee, David Yoon Suk Kang,
• Abstract要約: 符号付きネットワーク上でのコミュニティ検出(CD)は、正と負の関係が共形ネットワーク構造を形成するかを理解する上で重要である。 提案するReConは,4つの反復的なステップを通じて,コミュニティ構造を段階的に洗練する,モデルに依存しない後処理フレームワークである。
• 参考スコア（独自算出の注目度）: 6.829597323690577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Community detection (CD) on signed networks is crucial for understanding how positive and negative relations jointly shape network structure. However, existing CD methods often yield inconsistent communities due to noisy or conflicting edge signs. In this paper, we propose ReCon, a model-agnostic post-processing framework that progressively refines community structures through four iterative steps: (1) structural refinement, (2) boundary refinement, (3) contrastive learning, and (4) clustering. Extensive experiments on eighteen synthetic and four real-world networks using four CD methods demonstrate that ReCon consistently enhances community detection accuracy, serving as an effective and easily integrable solution for reliable CD across diverse network properties.
• Abstract（参考訳）: 符号付きネットワーク上でのコミュニティ検出(CD)は、正と負の関係が共形ネットワーク構造を形成するかを理解する上で重要である。 しかし、既存のCD手法は、ノイズや対立するエッジサインのために、一貫性のないコミュニティをもたらすことが多い。 本稿では,(1)構造改善,(2)境界改善,(3)コントラスト学習,(4)クラスタリングの4段階を通じて,コミュニティ構造を段階的に洗練するモデルに依存しない後処理フレームワークReConを提案する。 4つのCD法による18の合成および4つの実世界のネットワークに関する大規模な実験により、ReConはコミュニティ検出の精度を一貫して向上し、様々なネットワーク特性にまたがる信頼性の高いCDの有効かつ容易に統合可能なソリューションとして機能することを示した。

関連論文リスト

• Distributionally Robust Wireless Semantic Communication with Large AI Models [111.47794569742206]
  現在のSemComシステムは、様々なノイズ条件、敵攻撃、アウト・オブ・ディストリビューション・データにまたがる一般化に失敗している。 Wassersteinは、意味的誤解釈やチャネル摂動に対するレジリエンスを提供するために、分布的に堅牢な最適化を採用している。 画像とテキストの伝送実験の結果、WaSeComは雑音や逆方向の摂動下で頑健性の向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-05-28T04:03:57Z)
• DSRC: Learning Density-insensitive and Semantic-aware Collaborative Representation against Corruptions [9.29299379359768]
  本研究では,現実世界の環境に典型的な自然汚職の存在下での協調認識手法の堅牢性を評価するために設計された,最初の総合的なベンチマークを紹介する。 本研究では,密度に敏感でセマンティックな協調表現を学習することを目的とした,頑健な協調認識手法DSRCを提案する。
  論文  参考訳（メタデータ） (2024-12-14T08:19:30Z)
• Community Detection in Networks: A Rough Sets and Consensus Clustering Approach [0.0]
  本稿では,Rough Clustering-based Consensus Community Detection (RC-CCD) と呼ばれるフレームワークを提案する。 RC-CCDフレームワークは、Lancichinetti-Fortunato-Radicchi (LFR)法によって生成された、様々なネットワークスケール、ノード度、コミュニティサイズをシミュレートするベンチマークネットワーク上でテストされる。
  論文  参考訳（メタデータ） (2024-06-18T09:01:21Z)
• 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)
• Revisiting Contrastive Learning through the Lens of Neighborhood Component Analysis: an Integrated Framework [70.84906094606072]
  下流タスクにおいて高い精度とロバスト性を同時に達成できるような、統合されたコントラスト損失を設計するための新しい手法を示す。 統合フレームワークでは,標準精度が最大6%向上し,対角精度が17%向上した。
  論文  参考訳（メタデータ） (2021-12-08T18:54:11Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• 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)
• Certified Robustness of Community Detection against Adversarial Structural Perturbation via Randomized Smoothing [81.71105567425275]
  本研究は, 対向構造摂動に対するコミュニティ検出の信頼性保証を初めて開発した。 このスムーズなコミュニティ検出手法は,任意のノード群を同一のコミュニティにグループ化する。 また,本手法を複数の実世界グラフ上で実験的に評価した。
  論文  参考訳（メタデータ） (2020-02-09T18:39:39Z)

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。