Dec, 2012

利用内容和链接高效检测大型网络社区

PDF
TL;DR本文介绍了一种简单的方法，即将内容和链接信息结合起来构建图结构用于社区发现，通过在网络节点之间融合链接强度与内容相似度来评估信号强度，提出了一种有效的去噪方法并采用偏倚边采样，使用 Metis 和 Markov 聚类等算法对骨干图进行聚类，多次实验显示此方法效果显著且速度较快。
community discoverygraph structurescontent similaritylink strengthbiased edge sampling
发现论文，激发创造
  • 基于社区检测和图神经网络的科学文献链接预测方法

    本研究介绍了一种创新方法，将社区检测算法与图神经网络（GNN）模型相结合，以增强科学文献网络中的链接预测。我们特别关注利用 Louvain 社区检测算法揭示这些网络中的潜在社区结构，并将其整合到 GNN 架构中以预测潜在链接。我们的方法论证了在复杂网络中理解社区动态的重要性，并利用社区检测和 GNN 的优势来提高预测精度。通过对代表科学合作和引用的二部图的大量实验，我们的方法不仅凸显了社区检测和 GNN 之间的协同作用，还解决了链接预测中存在的一些普遍挑战，如可扩展性和分辨率限制。结果表明，整合社区级别信息可以显著提高 GNN 在链接预测任务中的性能。本工作通过将先进的机器学习技术与传统网络分析方法相结合，为网络科学领域提供了一种新的整合视角，以更好地理解和预测科学合作的复杂模式。

    Jan, 2024

  • 带有正负链接的网络中的社区检测

    本研究扩展了现有的 Potts 模型以包括负链接，将类似于社交平衡理论中的带符号图聚类的方法推广到更广泛的情形，应用于国际联盟和冲突网络，结果表明世界可以分为六个大国区，有一些显著的例外。

    Nov, 2008

  • 利用本地和全局特征提升社交网络的链接预测：一种基于聚类的方法

    提出一种结合第一和第二组方法的两阶段方法，其中第一阶段确定与节点位置和动态行为相关的新特征，第二阶段应用子空间聚类算法对社会对象进行分组，以区分集群的强度，在 Facebook、Brightkite 和 HepTh 等真实数据集上进行了广泛的实验，并与该领域的一些先前技术进行了实验验证，证明了该方法的优越性。

    May, 2023

  • 社交网络的社区提取

    提出了一种基于社区提取而非划分的新框架，该提取方法一次只提取一个社区，以避免将每个节点强制归入社区而扭曲结果，其性能在模拟和真实网络上表现良好，并在模型假设下确立了我们方法的渐近一致性。

    May, 2010

  • 大规模网络中检测社区结构的近线性时间算法

    通过节点的标签传播，本文提出了一种在大规模网络上检测社区结构的算法，不需要预先知道社区数量和大小，并且计算效率高；实验证明该算法与先前算法相比具有更高的计算速度。

    Sep, 2007

  • 大规模稀疏网络中的社群筛选

    在研究中，我们介绍了一种适用于大规模稀疏网络的直观客观函数来量化聚类结果的质量，并且通过模拟网络的优化试验和基准问题的应用来证明了这种方法的实用性和准确性。

    May, 2024

  • 关于群聚网络价值数据

    本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。

    Jun, 2016

  • 通过局部信息预测丢失的链接

    本文研究了基于节点相似度的网络链路预测模型，并比较了九种不同的局部相似度度量方法在六个真实网络中的性能。结果表明，最简单的方法即共同邻居法在各项性能上表现最佳，其次是 Adamic-Adar 指数。在此基础上提出了一种基于资源分配过程的新的相似度度量方法，并发现仅考虑最近邻信息时许多链接分配得分相同，设计出一种利用下一个最近邻信息的新方法，可以显著提高预测准确性。

    Jan, 2009

  • 动态属性网络中使用链接和内容随时间生成嵌入

    提出一种名为 Chimera 的共享因式分解模型，通过同时分析网络中的链接、内容和时间，检测和预测不断变化的社群。

    Jul, 2018

  • 网络中的社区检测：用户指南

    本研究论文探索了网络中社区检测的一些关键问题，探讨了社区的定义、算法以及验证方法，并指出了现有方法的优缺点和发展方向。

    Jul, 2016