Feb, 2016

未知社区数量的概率社区检测

PDF
TL;DR本文提出了一种基于贝叶斯非参数技术的概率框架，用于同时估计群体数量和群体结构的网络分析问题，提出了一种有效的 MCMC 算法，并在合成数据和基准真实数据集上展示了其优异性能。
network analysiscommunity detectionbayesian nonparametric techniquesmarkov chain monte carlo algorithmbayes risk bounds
发现论文，激发创造
  • 网络社区检测的高效和原则性方法

    描述了一种基于分布式网络模型的重叠社区检测方法，使用了快速的期望最大化算法对数百万节点的网络进行分析，可用于提取非重叠的社区划分。

    Apr, 2011

  • 网络中自动社区检测的假设检验

    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

  • 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

  • 估计网络中社区的数量

    本文描述了一种使用最大似然方法查找网络中社区数量的数学原理方法，并在一系列具有已知社区结构的实际示例中演示了其正确确定社区数量的能力。

    May, 2016

  • 基于重权重网络的显著性社区发现

    本文提出了一种用于加权网络的 null 模型 —— 连续配置模型，并使用该模型作为社区检测和模拟具有空节点的加权网络的工具。通过在这种模拟中设计背景节点，并在现实世界的网络中运用 CCME 方法，本研究证明了该方法的有效性。

    Jan, 2016

  • 社区检测方法综述：从统计建模到深度学习

    本文提出了一种网络社区发现方法的统一架构，对现有的社区检测方法进行了全面的综述，并将现有的方法分为两类：概率图模型和深度学习。作者还释放了几个基准数据集，并概述了这些数据集的应用。该研究为进一步研究这一领域的挑战和未来方向提供了基础。

    Jan, 2021

  • 在线社区识别的顺序变点方法

    本文提出了基于 Erdos-Renyi 随机图的新算法，用于从时序观测中检测网络中社区的出现。 所开发的三个算法分别为 Exhaustive Search（ES），mixture，和 Hierarchical Mixture（H-Mix）。 数值比较显示 H-Mix 方法是性能最好的方法，与 ES 方法相比，H-Mix 方法具有更低的计算复杂度。

    Jul, 2014

  • 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

  • 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

  • 基于相关矩阵的社区检测

    通过基于随机矩阵理论的一致重新定义空模型的方法，我们提出了最流行的社区检测技术的适当基于相关性的对应物。我们将技术应用于几个金融时间序列，并确定了不可简化为标准部门分类法的股票介观群体，发现了在社区之间交替的 “软股票”，并讨论了投资组合优化和风险管理的影响。

    Nov, 2013