ICLRJun, 2023

基于结构相似度度量的半监督社区发现

PDF
TL;DR本文提出了一种半监督社区检测算法，该算法利用网络拓扑和部分已知社区标签对新节点进行社区标签估计。该算法使用修正节点度数的随机块模型来对网络进行建模，并计算新节点与每个社区之间的结构相似度指标，从而预测新节点的社区标签。该算法在理论和实践中均证明了其有效性，是首个提供理论保证的半监督社区检测算法。
semi-supervised community detectionnetwork-based recommendation systemsdegree-corrected stochastic block modelstructural similarity metrictheoretical guarantees
发现论文，激发创造
  • 层级随机块模型中的社区检测和分类

    该论文提出了一种强大、可扩展、综合的图中社区检测和比较方法，首先将图嵌入到一个适当的欧几里得空间中以获得低维表示，然后将顶点聚类成社区，并应用非参数图推理技术识别这些社区之间的结构相似性，然后可以递归地应用这两个步骤到社区上，以检测更细粒度的结构。最后，在模拟和真实数据上证明了该算法的有效性。

    Mar, 2015

  • 网络中的随机块模型和社区结构

    本研究在考虑顶点度数变化的情况下，提出了一种改进的目标函数用于复杂网络社区结构检测，并提出了一种针对此函数或其非度数校正版本的启发式算法，表明度数校正版本在真实和合成网络中的表现显著优于未校正版本。

    Aug, 2010

  • 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

  • 有向网络中的聚类与社区检测：综述

    该论文对有向网络的聚类算法进行了深入的综述，介绍了基本概念和方法学基础，并从方法论原理和好的群集特性的角度讨论了聚类算法。此外，还介绍了图聚类结果的评估方法和指标，展示了有趣的应用领域，并提出了未来的研究方向。

    Aug, 2013

  • 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

  • Panther：大规模网络中快速的 Top-k 相似度搜索

    该论文提出了一种基于随机路径的取样方法，可准确估算顶点之间的相似性，通过实验证明该算法能够以比现有方法快 300 倍的速度在网络中获取任何顶点的前 K 个相似顶点。

    Apr, 2015

  • 在加权网络中学习潜在的块结构

    文章介绍了一种新的称为 `加权随机块模型` 的社区检测方法，能够从加权网络中学习社区结构并预测未来的互动。

    Apr, 2014

  • 未知社区数量的概率社区检测

    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。

    Feb, 2016

  • 在任意异常节点存在下的强健且计算可行的社区检测

    本研究将随机块模型扩展到广义随机块模型，提出了一种使用凸优化和 k 均值算法的程序，用于在存在离群节点的情况下，准确检测社区的聚类。

    Apr, 2014

  • 有向加权网络的社区发现

    本文介绍了一种用于建模有向加权网络的方法 ——Directed Distribution-Free model，它可以更好地解释在多个领域中出现的块状结构，并使用带有理论保证的谱算法来识别社区。

    Sep, 2021