本文提出了一种基于潜在空间的统计模型,用于对社交网络、协作网络等观察到的具有时间动态的网络进行建模和分析,该模型可应用于社区检测和链路预测等任务,并与现有方法相比表现出更好的效果。
Feb, 2018
提出一种名为 Chimera 的共享因式分解模型,通过同时分析网络中的链接、内容和时间,检测和预测不断变化的社群。
Jul, 2018
本文介绍了社区检测的基本问题,即如何把社交网络中具有明确社交关系的社会行为者分成紧密相连和高度相关的群体,并详细介绍了使用节点属性的方法,对已知的方法进行分类,提供了每种方法的一般技术思想,分析了当前领域的状况并揭示了一些需要未来解决的问题。
Dec, 2019
该研究针对协调在线行为进行了第一次动态分析,发现动态分析可以得出更为准确的结果,用户的离开和加入以及网络特性对协调社区的形成有重要影响,这为在线辩论、协调社区的策略和在线影响的研究提供了新的方向。
Jan, 2023
本论文提出了一种基于模块性的策略来有效检测和跟踪动态社区,在合成网络和Twitter网络中的实验结果表明该框架优于其他最先进的方法,并且它为不同的社交网络提供了一个有价值的工具,来理解社区在动态社交网络中的演化。
Feb, 2023
提出一种基于查询驱动的时间图卷积网络(CS-TGN),该方法可以以数据驱动的方式捕获灵活的社区结构,并且在动态和静态的情况下都表现出更好的效率和结果质量。
Mar, 2023
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
提出了一种基于时间一致性正则化的新型深度图聚类框架,通过保持节点嵌入和结构相似性,增强了实时社区检测的时间一致性和聚类准确性。
Jan, 2024
本文提出了一种使用超图模块性函数的可扩展社区检测算法h-Louvain。通过调整算法的初始阶段,利用两部分图的图模块性函数和期望的超图模块性函数的线性组合,通过贝叶斯优化超参数的过程,提出了解决方法。在合成和真实网络上进行了各种实验证明,该过程在各种情况下都可以得到改进的结果。
Jun, 2024
通过追踪网络的模块性作为其社区结构的代理,我们利用图神经网络(GNNs)估计每个快照的模块性来解决动态网络中检测异常行为的挑战,同时还能分析高维节点属性中的变化。
Jul, 2024