論文の概要: ComNetX: Local Hierarchical Adaptation for Dynamic Community Detection

• arxiv url: http://arxiv.org/abs/2608.16906v1
• Date: Fri, 10 Jul 2026 12:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.250832
• Title: ComNetX: Local Hierarchical Adaptation for Dynamic Community Detection
• Title（参考訳）: ComNetX: 動的コミュニティ検出のための局所階層的適応
• Abstract要約: ComNetXは、局所的な動的更新のためのソルバに依存しない階層的適応フレームワークである。 我々は,ComNetXが大規模グラフの更新時間を短縮しつつ,強力なモジュラリティベースのソルバの品質を維持可能であることを示す。
• 参考スコア（独自算出の注目度）: 70.36032466145112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic community detection is commonly addressed either by full-snapshot recomputation or by solver-specific dynamic procedures. Full recomputation preserves the semantics of mature static solvers, but it repeatedly processes unchanged graph regions when updates are small. Solver-specific dynamic methods can reduce this cost, but their update rules often have limited transferability across objectives, feature representations, and implementations. In addition, localizing computation only by graph distance may omit community context needed by high-quality solvers. We introduce ComNetX, a solver-agnostic hierarchical adaptation framework for local dynamic updates. ComNetX maintains a multi-level community state, expands the updated region, closes it over affected communities, and contracts these communities into compact local instances. This affected-community closure and contraction preserve solver context while restricting computation to the changed part of the graph. The same interface can wrap modularity heuristics, graph-clustering models that use node features, and native dynamic solvers as local backends. We evaluate ComNetX through a multi-backend study on six real networks, longer real-data streams for topology-based backends, and controlled dynamic stochastic block model stress streams. The results show that ComNetX can preserve the quality of strong modularity-based solvers while reducing update time on large graphs: in paired runs on the largest real graph, Local Leiden keeps final modularity within 0.006 of full-snapshot recomputation while achieving a 41.9 +/- 0.2x speedup. The combined protocols also identify regimes where locality breaks down and a full refresh is preferable.
• Abstract（参考訳）: 動的コミュニティ検出は、フルスナップショット再計算またはソルバ固有の動的手順によって一般的に対処される。 完全再計算は、成熟した静的ソルバのセマンティクスを保存するが、更新が小さいときに変化しないグラフ領域を繰り返し処理する。 ソルバー固有の動的メソッドは、このコストを削減することができるが、その更新ルールは、目的物、特徴表現、実装間での転送可能性に制限があることが多い。 さらに、グラフ距離のみによる計算のローカライズは、高品質な解決者に必要なコミュニティコンテキストを省略する可能性がある。 我々は,局所的動的更新のための解法に依存しない階層型適応フレームワークであるComNetXを紹介する。 ComNetXは、マルチレベルなコミュニティ状態を維持し、更新されたリージョンを拡張し、影響のあるコミュニティを閉鎖し、これらのコミュニティをコンパクトなローカルインスタンスに契約する。 この影響のあるコミュニティ閉鎖と収縮は、グラフの変更された部分に計算を制限しながら、ソルバコンテキストを保存する。 同じインターフェースは、モジュラリティヒューリスティック、ノード機能を使用するグラフクラスタリングモデル、ローカルバックエンドとしてネイティブな動的ソルバをラップすることができる。 我々は,6つの実ネットワークのマルチバックエンド,トポロジベースのバックエンドのためのより長い実データストリーム,動的確率ブロックモデルストレスストリームの制御によるComNetXの評価を行った。 この結果から,ComNetXは大規模グラフ上での更新時間を短縮しつつ,強力なモジュラリティベースのソルバの品質を保ちつつ,大きなグラフ上での更新時間を短縮できることが示唆された。 統合されたプロトコルは、局所性が低下し、完全なリフレッシュが望ましいレギュレーションも識別する。

関連論文リスト

• Reservoir-Based Graph Convolutional Networks [9.230324850974378]
  RGC-Net(Reservoir-based Graph Convolutional Network)を提案する。 RGC-Netは、脳グラフの進化を含む分類および生成タスクにおける最先端のパフォーマンスを実現し、より高速な収束とオーバースムーシングの削減を実現している。
  論文  参考訳（メタデータ） (2026-03-25T09:50:50Z)
• DynBenchmark: Customizable Ground Truths to Benchmark Community Detection and Tracking in Temporal Networks [0.764671395172401]
  新しいコミュニティ中心モデルが提案され、カスタマイズ可能なコミュニティ構造を生成する。 このベンチマークは、ノードの出現、消滅、コミュニティ間の移動が可能な、基盤となる時間ネットワークも生成する。 Pythonライブラリ、描画ユーティリティ、バリデーションメトリクスは、基礎真実と動的コミュニティを検出するアルゴリズムの結果を比較するために提供される。
  論文  参考訳（メタデータ） (2025-10-03T14:02:22Z)
• Mitigating Distribution Shift in Graph-Based Android Malware Classification via Function Metadata and LLM Embeddings [13.484494807251197]
  グラフベースのマルウェア分類器は、標準のAndroidデータセットで94%以上の精度を達成できる。 しかし、これまで見つからなかった同じ家系のマルウェアについて評価すると、正確さは最大45%低下する。 本稿では,コンテキスト特徴を持つ関数呼出グラフを強化する,ロバストなセマンティックエンリッチメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-08T22:16:57Z)
• 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)
• Dynamic Graph Message Passing Networks for Visual Recognition [112.49513303433606]
  長距離依存のモデリングは、コンピュータビジョンにおけるシーン理解タスクに不可欠である。 完全連結グラフはそのようなモデリングには有益であるが、計算オーバーヘッドは禁じられている。 本稿では,計算複雑性を大幅に低減する動的グラフメッセージパッシングネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-20T14:41:37Z)
• Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
  提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。 私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
  論文  参考訳（メタデータ） (2021-07-28T03:46:57Z)
• Clustered Federated Learning via Generalized Total Variation Minimization [83.26141667853057]
  本研究では,分散ネットワーク構造を持つローカルデータセットの局所的(あるいはパーソナライズされた)モデルを学習するための最適化手法について検討する。 我々の主要な概念的貢献は、総変動最小化(GTV)としてフェデレーション学習を定式化することである。 私たちのアルゴリズムの主な貢献は、完全に分散化されたフェデレーション学習アルゴリズムです。
  論文  参考訳（メタデータ） (2021-05-26T18:07:19Z)
• 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)
• Multi-Agent Reinforcement Learning in Stochastic Networked Systems [30.78949372661673]
  エージェントネットワークにおけるマルチエージェント強化学習(MARL)について検討する。 目的は、世界的報酬を最大化する局所的な政策を見つけることである。
  論文  参考訳（メタデータ） (2020-06-11T16:08:16Z)

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。