抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
コミュニティ検出は,実世界ネットワークの構造を分析するために,ネットワーク科学者によって使用される発見ツールである。頂点をコヒーレントモジュール(またはコミュニティ)に分割する入力ネットワークに存在する可能性のある自然分割を同定することを試みた。この問題空間は,効率的なアルゴリズムとソフトウェアに富んでいるが,この文献の多くは,基礎となるネットワークが変化しない静的な利用事例に対するものである。しかし,多くの新興の実世界の利用事例は,入力として動的グラフを組み込む必要がある。本論文では,動的コミュニティ検出に向けた高速で効率的な増分手法を提案した。鍵となる寄与は,Δスクリーニングと呼ばれる一般的な技術であり,入力グラフに対して行われた変化の最も最近のバッチを調べ,潜在的コミュニティ(re)割当を再評価するための頂点の部分集合を選択する。この手法は,クラスタリングの目的関数としてモジュール性を用いるコミュニティ検出法のいずれにも組み込むことができる。実証目的のために,この技術を2つのよく知られたコミュニティ検出ツールに組み込んだ。著者らの実験は,著者らの新しい増分アプローチが,出力品質(その発見的性質にもかかわらず)を損なうことなく,性能スピードアップを生成することができることを実証した。例えば,63mの時間的エッジ(12時間ステップ以上)を有する実世界ネットワーク上で,このアプローチは1056秒で完了することができ,ベースライン実装上で3つの高速化が得られた。また,性能の利点を実証することに加えて,入力ネットワークを解析するための時間分解能の適切な間隔を描写するために,著者らのアプローチを使用する方法を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】