Dec, 2014
使用谱方法检测网络中的重叠社区
Detecting Overlapping Communities in Networks Using Spectral Methods
Yuan Zhang, Elizaveta Levina, Ji Zhu
TL;DR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。
Abstract
community detection is a fundamental problem in network analysis which is
made more challenging by overlaps between communities which often occur in
practice. Here we propose a general, flexible, and interpretable generative
model for →
发现论文,激发创造
一种基于谱聚类的增量式算法用于网络中重叠社群的恢复
本文提出了一种新颖的基于谱的算法,并利用基于随机图模型下的谱特性设计出叠加社区网络中的聚类算法,成功地在模拟数据和真实图像数据中实现较好的表现。
Jun, 2015
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
多元谱社区检测在网络中
该研究旨在提出一种更高效的基于谱的算法来实现网络社区的检测和划分,该算法基于调整后的模块度矩阵与特征向量,能够将网络分成任意数量的社区。经过实现和测试,该算法在分割不平衡的网络时表现明显优于之前的算法。
Jun, 2015
稀疏超图的谱检测
本文提出了一种基于广义非回旋 Hashimoto 矩阵的谱方法,用于从超边集合中的节点分配到社区的问题,并在稀疏区域分析其性能,结果表明此方法能够检测到社区,同时具有更简单、完全非参数化的重要优点,并且能够在不事先知道超边生成规则的情况下进行学习。
Jul, 2015
在大网络中揭示小社群结构:一种局部谱方法
本文介绍了一种名为 LEMON (Local Expansion via Minimum One Norm) 的方法,通过局部扩展来发现重叠社区,在人工合成和现实世界数据集上进行了综合分析,并提供了有关种子集的质量和数量如何影响性能的启发式方法。
Sep, 2015
混合成员社区模型学习的张量方法
研究使用张量谱分解方法学习一种具有重叠社区结构的概率网络模型,该方法可以保证恢复社区成员和模型参数,并且该方法在速度和正确性方面与当前已知的最优方法相匹配。
Feb, 2013