Jul, 2015

基于模块度最大化及其变体的社区检测

PDF
TL;DR介绍了用于社区检测的度量学，讨论了不同算法中面临的限制问题，并提出了同时避免这些问题的 Modularity Density 度量学。提出了两种精细调整的社区检测算法，并证明了其中基于 Modularity Density 度量学的 Fine-tuned Qds 算法是最有效的。
发现论文，激发创造
  • 社群检测中近似、启发式和图神经网络算法中的模块化最大化分析

    分析表明，常用的基于模块性的方法在发现社区结构时很少产生最优划分或最接近最优划分的划分，因此，推荐使用近似优化算法以在方法适用范围内更加方法论严谨地使用模块性。

    Oct, 2023

  • 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

  • 社区检测中的分辨率极限

    本研究发现模块度优化在网络分区时可能无法识别一些小规模的模块，因此探讨在实际应用中的实际后果和解决方法。

    Jul, 2006

  • 实际情境中模块化最大化的性能

    本文研究了模块化最大化技术在实际情况下的行为和准确性，并发现模块度 Q 函数存在极端退化现象，输出的分区属性可能根据解决方案而异，论文讨论了缓解这些问题的途径。

    Oct, 2009

  • 网络中的模块性和社区结构

    通过改进算法的方式，基于特征矩阵的谱算法检测网络数据的社区结构，运行时间比模拟退火等竞争方法更短且获得更好质量的结果。

    Feb, 2006

  • 基于极端优化算法的复杂网络社区发现

    提出了基于最大化模块度值的极端优化方法，用于发现复杂网络中的社区结构，结果超越现有算法，具有高效和准确性，可以用于大型复杂网络中的社区结构精确识别。

    Jan, 2005

  • 有向网络中的社区结构

    本文介绍了一种针对有向网络的社群发现方法，利用广泛使用的收益函数 - 模块度，通过将边方向的信息纳入，通过寻找网络可能的分割来最大化模块度，进而利用相应的模块度矩阵的特征向量得到社群结果，并证明该方法在各种测试网络上比以往方法产生更好的结果。

    Sep, 2007

  • DynaMo: 动态社群检测，逐步最大化模块度

    提出一种新型的基于模块度的动态社区检测算法 DynaMo，相比于传统的静态算法，它能更高效地检测到动态社交网络中的社区结构，经过多实验证明在效果和速度上优于 Louvain 算法和五种其它动态算法。

    Sep, 2017

  • 图谱与网络中社区结构的可检测性

    本研究研究了具有社区结构的网络，并使用随机矩阵理论中的方法，在大尺寸的极限下计算了这些网络的特征值，并因此证明了矩阵方法在社区检测方面的相变存在，为最优检测模式提供了证明。

    May, 2012

  • 重新审视图聚类的模块化最大化：对比学习的视角

    本研究探讨了模块性最大化方法在图聚类中的潜在成功，将模块性最大化与图对比学习联系起来，提出了一种基于社区感知的图聚类框架 MAGI，通过利用模块性最大化作为对比预训练任务来有效地揭示图中社区的潜在信息，同时避免了语义漂移问题。广泛实验证实了 MAGI 在多个图数据集上的可扩展性和聚类性能，表现优于现有的图聚类方法，并且在大规模图上具有优越的性能。

    Jun, 2024