Oct, 2011

网络中的重叠社区检测：现状与比较研究

PDF
TL;DR本文回顾了重叠社区检测算法、质量度量和基准的最新技术。我们提出了一个评估算法检测重叠节点能力的框架，并对十四种不同算法进行了全面比较。在考虑到由归一化互信息、Omega 指数和 F-score 所测量的社区级别检测性能和节点级别检测性能之后，我们得出了结论：对于低重叠密度网络，SLPA、OSLOM、Game 和 COPRA 比其他测试算法表现更好。对于高重叠密度和高重叠多样性网络，SLPA 和 Game 的表现相对较稳定，但测试结果也表明，这种网络的检测还没有完全解决。
发现论文，激发创造
  • 网络社区检测的高效和原则性方法

    描述了一种基于分布式网络模型的重叠社区检测方法，使用了快速的期望最大化算法对数百万节点的网络进行分析，可用于提取非重叠的社区划分。

    Apr, 2011

  • 使用谱方法检测网络中的重叠社区

    本文介绍了一种用于网络分析中的重叠社区检测的生成模型，结合了 K - 中位数算法和谱聚类算法，且在网络不太稀疏、社区重叠不太大的情况下具有一致性，模拟和真实社交网络实验结果表明我们的方法表现优于传统方法。

    Dec, 2014

  • 基于图神经网络的重叠社区发现

    本研究提出了一种基于图神经网络的模型，用于检测重叠社区，相对于现有的基线方法，我们的模型表现更为出色。此外，我们的实验表明，该模型具有有效性、可扩展性和对超参数设置的鲁棒性，并且图神经网络是该模型的关键因素。

    Sep, 2019

  • 通过演讲者 - 听众交互动态过程揭示社交网络中的重叠社群

    该论文提出了一种新颖的关于社交网络的重叠结构检测和分析的方法 —— 演讲者 - 听众标签传播算法（SLPA1），该算法依据动态交互规则，能够很好地识别存在不同程度差异的重叠节点和社区。

    Sep, 2011

  • 复杂网络中重叠和分层社区结构的检测

    本研究介绍了一种基于适应度函数本地优化的算法，能够发现复杂网络中的社区结构、嵌套社区和重叠社区，可以通过调整参数来探索不同层次的组织结构水平。在真实网络和人工网络上进行了测试，取得了优异的结果。

    Feb, 2008

  • 在网络中发现具有统计意义的社区

    本文介绍了 OSLOM（Order Statistics Local Optimization Method），它是第一个能够检测网络中的群集的方法，能够处理网络的各种类型和子群结构细节，可用作其他技术的细化过程，此方法在人工基准图上具有与现有最佳算法相当的性能，已在实际网络应用程序中得到应用。

    Dec, 2010

  • 异构多社交网络的社区检测

    提出一种基于非负矩阵三因子分解的社区检测方法，用于多个异构社交网络，通过检测不同社交网络中的重叠用户社区来增强全局社区的融合程度，并在 Twitter、Instagram 和 Tumblr 数据集上展示其卓越的社区质量和社区融合性能。

    May, 2024

  • 探测网络社群：一种新的系统化高效算法

    本文介绍了一种利用图拉普拉斯矩阵的谱特性，结合分层聚类技术和包含最大化输出模块化程度处理的高效且相对较快的检测复杂网络中社区的算法，并将其性能与其他现有方法在不同的复杂网络实例中应用进行了比较。在所有测试案例中，我们的结果都至少与任何其他方法获得的最佳结果一样好，大多数情况下比提供类似质量结果的方法更快，这使得该算法成为检测和分析复杂网络中社区和模块化结构的有价值的计算工具。

    Apr, 2004

  • 社区发现算法的比较分析

    文章测试了多种算法，并针对新的基准图进行了评估，结果表明 Rosvall and Bergstrom、Blondel et al. 和 Ronhovde and Nussinov 三种算法表现出色，并具有低计算复杂度优势，适用于大型网络分析。

    Aug, 2009

  • 网络社群检测算法实证比较

    本文探讨了一些网络社区检测方法，比较它们的性能和系统偏差；评估了用于形式化网络社区概念的几种常见目标函数，并研究了几种旨在优化这些目标函数的近似算法。此外，本论文还考虑了问题的大小解决版本，从社区大小的角度来考虑社区质量，以更好地检验社区检测算法，因为目标函数和近似算法通常具有不明显的大小依赖行为。

    Apr, 2010