基于 PageRank 的超图聚类
本文提出了一种新的基于扩散的超图聚类算法,其解决了类图的二次超图割问题,能够非常快速且高效地计算各种势函数。该方法在实际大规模超图数据中得到了验证。
Nov, 2020
本文介绍了一种新颖的超图分类算法,通过构建具有任意阶多项交互的超图,并采用超图种群来提高算法的性能和鲁棒性,在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。
May, 2024
本研究探讨了将图而非超图作为表示实际世界互联系统的建模选择的影响,提出了超图投影导致高阶关系丢失的两个普遍模式,并量化了在无额外帮助下恢复丢失高阶结构的组合不可能性。此外,基于学习的超图重建方法通过使用超边分布的重要统计量,在不同设置下在 8 个真实世界数据集上展示了良好的性能,并通过蛋白质排名和链接预测的用例展示了重建超图的优势。
Jan, 2024
分析数字图书馆的使用数据,利用聚类算法(包括基于内容和基于用户访问模式)设计推荐系统,并通过超图算法生成的聚类模型相较基于内容的聚类算法设计的推荐系统更准确。
Dec, 2023
论文提出了基于热核 PageRank 的两个新的本地图聚类算法 TEA 和 TEA+,利用确定性图遍历和蒙特卡洛随机游走的优化,解决了在大规模图上计算热核 PageRank 的效率低下的问题,并在真实世界的数据集上进行大量实验,表明 TEA + 在大多数基准数据集上的计算时间是同等聚类质量时现有算法的 4 倍以上。
Apr, 2019
本文提出了一种基于泊松度校正超图随机块模型(DCHSBM)的聚类方法,该方法利用最大似然推断来实现超图聚类,其聚类目标扩展了图的流行性目标,使用了一种新的基于节点整合的变化,具有高可扩展性。通过综合分析各种实验数据,包括学校联系网络、U.S. 国会议案、合作购买行为的产品类别和网站浏览会话的酒店位置,作者发现该聚类方法能够恢复具有相应高阶结构的真实聚类。
Jan, 2021
本文提出了一种基于组合目标函数的计算框架,用于聚类在分类间具有超图的复杂关系的节点,特别地,解决了超边标签的聚类,其中簇对应于经常参与相同类型的交互的节点组。
Oct, 2019
本文研究了基于有向图的聚类,提出了基于 Hermitian 矩阵的近线性时间算法,并在合理假设下进一步证明该算法可以在亚线性时间内实现,并在 UN Comtrade 数据集上进行了广泛的实验,证明了算法的重要性。
Nov, 2020