网络中近似最近社区搜索
为了解决针对大型图检索最大 D-truss 中消耗过多计算资源的问题,在最近提出的 D-truss-connected 模型的基础上,我们引入了一种创新的合并关系,用于捕捉 D-truss 内边缘的内在密度和凝聚力,并构建了一个简洁紧凑的索引,ConDTruss,通过使用 ConDTruss 可以大大提高最大 D-truss 检索的效率。实验评估证实了我们提出的方法的有效性。
Jan, 2024
本文研究了在时态动态网络中进行社区搜索的问题,定义了最小时态不效率子图问题和最短最快路径距离,并利用最小定向斯坦纳树的逼近算法,将时态网络转换为静态定向加权图,最后将该框架推广到流式情景。
Nov, 2020
本篇研究论文对大图、网络社区、社区检索、社区搜索、以及相关的研究现状进行了综述和分析,旨在帮助人们更好地理解社区搜索的解决方案和其效果,并提供实践者选择合适解决方案时的指导和参考。
Apr, 2019
本文提出了自动确定 Stochastic Blockmodel 所生成的图中聚类数的方法。通过剖析相应的邻接矩阵的主特征值限制分布并用于假设检验,提出了一个递归二分算法,该算法在真实世界的定量分类任务中表现优于现有概率模型,并且在未标记的网络中揭示出嵌套的社区结构。
Nov, 2013
本篇研究提出了一种基于随机游走的顶点相似度度量,使用该度量可以高效地计算网络的社区结构,并提出了一种名为 Walktrap 的聚合算法,该算法提高了社区结构计算的准确性。经过全面的比较测试,表明该算法在质量和运行时间方面都优于以前提出的算法。
Dec, 2005
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
本论文提出一种面向社交网络的加权社区聚类算法,基于三角形分析社区结构,该方法考虑了社区内部连边的布局,是相比于之前方法更加连续、有结构和明确的社区检测方法。研究结果表明,WCC 算法可以正确地捕捉社交网络中社区的特征。
Jul, 2012
考虑在稀疏随机网络中检测紧密社区的问题,将其形式化为在随机图中测试是否存在密集子图。在本文中,我们研究渐近稀疏情况下的信息理论下限,并比较了各种测试方法的性能,发现我们的检测边界是尖锐的。
Aug, 2013