文献

J-GLOBAL ID：201802253198874750   整理番号：18A1431306

動的ネットワークのためのノード間の強度測定によるコミュニティ検出【JST・京大機械翻訳】

Community detection via measuring the strength between nodes for dynamic networks

著者 (3件)： Yang Kai (Research Center of Complex Systems Science, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Guo Qiang (Research Center of Complex Systems Science, University of Shanghai for Science and Technology, Shanghai 200093, PR China) ,  Liu Jian-Guo (Data Science and Cloud Service Research Centre, Shanghai University of Finance and Economics, Shanghai 200433, PR China)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 509  ページ： 256-264  発行年： 2018年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 動的ソーシャルネットワークに対するコミュニティ構造の検出は,集団行動の進化特徴を理解するために重要である。本論文では,ノード間の強度を考慮した動的ネットワークのための非負行列因数分解に基づくコミュニティ検出法を提案した。このアルゴリズムの基本的アイデアは,より強い接続強度を持つノード対が同じコミュニティにグループ化される可能性があることである。まず第一に,著者らは,各タイムスタンプにおける関係の強度を測定するために,ノードの各ペアの間の埋め込まれたEtと分散Dtを計算することによって,重み付きネットワークを築き上げる。次に,各要素が一対のノードの接続強度を表すノード強度行列を構築した。以前のタイムスタンプにおける構造情報を結合して,非負行列因数分解法を用いて,動的ネットワークのためのコミュニティ構造を検出した。最後に,2つの合成ネットワークのための実験は,以前の情報を考慮するとき,著者らのアルゴリズムの精度が最初の合成ネットワークのために0.3425,0.5191を改良することを示した。第2の合成ネットワークのために,著者らのアルゴリズムの精度も改良した。さらに,他の2つのアルゴリズムを比較し,著者らのアルゴリズムが両方の合成ネットワーク上で他のアルゴリズムよりも優れていることを示した。本研究は,動的ネットワークに対するコミュニティ構造を検出する新しい視点を提供するのに役立つ可能性がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  アルゴリズム ,  *コミュニティ
準シソーラス用語： 重み付きネットワーク ,  タイムスタンプ ,  非負行列因子分解 ,  集団行動 ,  コミュニティ構造 ,  社会的ネットワーク ,  コミュニティ検出 ,  *動的ネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： コミュニティ構造 ,  動的ネットワーク ,  非負行列因子分解

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

タイトルに関連する用語 (3件)： 動的ネットワーク ,  ノード ,  コミュニティ検出