文献

J-GLOBAL ID：202202216415482490   整理番号：22A0889031

コミュニティフォーカスと潜在的関係を考慮した属性コミュニティ探索【JST・京大機械翻訳】

Attributed community search considering community focusing and latent relationship

著者 (4件)： Xie Xiaoqin (College of Computer Science and Technology, Harbin Engineering University, Harbin, People’s Republic of China) ,  Zhang Jiaming (College of Computer Science and Technology, Harbin Engineering University, Harbin, People’s Republic of China) ,  Wang Wei (College of Computer Science and Technology, Harbin Engineering University, Harbin, People’s Republic of China) ,  Yang Wu (College of Computer Science and Technology, Harbin Engineering University, Harbin, People’s Republic of China)
資料名： Knowledge and Information Systems  (Knowledge and Information Systems)
巻： 64  号： 3  ページ： 799-829  発行年： 2022年 
JST資料番号： W2193A  ISSN： 0219-1377  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 属性コミュニティ検索は,与えられた頂点に関してオンラインでいくつかの特定の属性を有する部分グラフを見つけることである。それは,グラフ全体よりもサブグラフに関する情報を検索するのを助け,従って,ダウンストリームグラフ探索アプリケーションを可能にする。しかし,必要なグラフとは不慣れであるならば,ユーザにとって正確なクエリ頂点を指定することは困難であった。ほとんどの既存のコミュニティ探索法は,質問頂点に厳密に依存し,検索されたコミュニティを真実コミュニティからシフトさせる。一方,元のグラフデータの不完全性のために,頂点の間に多くの潜在的関係が存在し,それは検索結果に影響を及ぼす可能性がある。しかし,ほとんどの既存の方法は,これらの潜在的関係を無視し,通常,低いF1スコアの結果をもたらす。したがって,本研究は,コミュニティ集束と潜在関係を考慮した改良属性コミュニティ探索法を提案した。最初に,頂点に対する表現を学習するために,構造属性ネットワーク埋込みモデルを構築した。このモデルに基づいて,潜在関係を発見し,元のグラフに加えた。次に,コミュニティシフト補正アルゴリズムを提示して,コミュニティ集束問題を解決し,より望ましいコミュニティを達成した。実世界ネットワークに関する実験的研究は,著者らの方法が既存の方法より良い性能を達成できることを確認した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  グラフ ,  集束 ,  データ ,  ネットワーク ,  構造 ,  *コミュニティ ,  部分グラフ ,  モデル ,  頂点 ,  *属性
準シソーラス用語： クエリー ,  オンライン ,  探索法 , 【Automatic Indexing@JST】

著者キーワード (5件)： コミュニティ探索 ,  属性ネットワーク ,  ネットワーク埋込み ,  コミュニティ集束 ,  潜在的関係

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： コミュニティ ,  フォーカス ,  属性 ,  探索