Nov, 2012

SCORE 算法快速的社群发现

PDF
TL;DR提出了一种名为 SCORE 的基于特征向量比率的谱聚类算法，用于通过比较网络的前 K 个特征向量之间的分量比率来检测社区。与传统的谱聚类和模块度方法相比，该方法在计算速度和准确率上均有很好的表现，并且在随机矩阵理论 (RMT) 框架下可稳定地产生一致的社区检测结果。
community detectiondegree corrected block modelspectral clusteringeigenvectorsrandom matrix theory
发现论文，激发创造
  • 有向网络社区检测的光谱算法

    该论文介绍了 D-SCORE 算法，用于大型社交网络中的社区检测，通过对邻接矩阵的奇异向量进行元素级别的比率来降低节点度量异质性的影响，理论上证明了这种算法及其变体在有向去噪格子模型下的性能对其进行了显着的改进，同时提供了在社区核外部分添加节点的新方法。

    Aug, 2020

  • 修正度数块模型中的社区检测

    该研究探讨了在度校正块模型（DCBMs）中进行社区检测的最小极小风险，得出了极小风险是如何和参数相关联的，并提出了一个多项式时间算法来适应性地进行一致和甚至渐近最优的社区检测。

    Jul, 2016

  • 有向加权网络的社区发现

    本文介绍了一种用于建模有向加权网络的方法 ——Directed Distribution-Free model，它可以更好地解释在多个领域中出现的块状结构，并使用带有理论保证的谱算法来识别社区。

    Sep, 2021

  • 基于度修正随机分块模型的正则化谱聚类

    本文介绍了一种新的谱聚类算法，它扩展了之前的算法结果，删除了对最小度数的假设，并通过统计模型来解释网络中出现的星形图案在本质上的性质。

    Sep, 2013

  • 利用尖锐特征向量偏差估计混合成员资格

    本文提出了一种用于混合成员随机块模型网络中每个节点的社区成员资格向量的收敛速度的算法，该算法是首次建立对于重叠社区检测的每个节点的速率，并基于人口矩阵的特殊结构以及基于优化领域的现有算法的果断定位方法。

    Sep, 2017

  • 基于凸化的修正度量随机块模型最大化

    本文提出了一种基于凸规划松弛和新的双重加权 $k$- 中位数方法的凸化模块化最大化方法，用于估算 DCSBM 下的隐藏社群，通过实验结果表明本方法相对于文献中现有的最先进方法具有竞争力的性能表现。

    Dec, 2015

  • 基于谱聚类算法的社区检测分析：一般二分图情形

    本文提出一种新的数据驱动正则化方法来解决稀疏网络中恢复邻接矩阵集中性的问题，进而探讨了一种新的谱截断方法对一般 SBM 中的分类错误率的影响，并在模型的一些扩展，包括不均匀随机图模型和二元聚类问题中得到更优性能的证明。

    Mar, 2018

  • 光谱聚类和高维随机块模型

    本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。

    Jul, 2010

  • 使用矩阵特征向量在网络中寻找社区结构

    本研究考虑检测网络中的社群或模块，发现这种过程可以通过 “模块度量” 函数的最大化来实现，而这个函数可以用所谓的 “模块度量矩阵” 的特征谱表示，而我们从中得出了几个可能的算法和中心度量，并在各种真实世界的复杂网络中验证它们。

    May, 2006

  • 动态随机块模型的谱聚类：稀疏平滑性的改进保证

    该论文分析了动态随机块模型下的经典谱聚类算法，提出了更加精细的 DSGB 的稀疏性和平滑度之间的关系描述，同时将保证扩展到了归一化拉普拉斯算子，从而提高了矩阵谱集中度误差下界的精度。

    Feb, 2020