マルチレベルコミュニティの自動検出:スケーラブルで分解能限界のない【JST・京大機械翻訳】

Gao Kun; Ren Xuezao; Zhou Lei; Zhu Junfang

プレプリント

J-GLOBAL ID：202202216651800703 整理番号：22P0278704

マルチレベルコミュニティの自動検出:スケーラブルで分解能限界のない【JST・京大機械翻訳】

Automatic detection of multilevel communities: scalable and resolution-limit-free

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年09月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コミュニティ構造は複雑なネットワークの最も重要な特徴の一つである。コミュニティ検出のためのモジュラリティベースの方法は,典型的なコミュニティ品質関数を最適化するための発見的アルゴリズムに依存する。そのような方法は2つの主要な欠陥によって制限される。(1)解像度限界問題,それは同時に検出される不均質サイズのコミュニティを禁止し,(2)発見的アルゴリズムの発散出力を,関連と無関係な結果を区別するのを困難にする。本論文では,スケーラブルなコミュニティ「適合度関数」に基づくコミュニティ検出のための改良法を提案した。スケーラビリティを強化する新しいパラメータを導入し,出力をフィルタリングする厳密な戦略を導入した。スケーラビリティにより,一方では,この方法は分解能限界問題がなく,大きな不均一ネットワーク上で優れた性能を発揮するが,他方では,深い階層ネットワークにおいて以前の方法よりも多くのレベルのコミュニティを検出することができる。さらに,著者らの厳密な戦略は,人工的選択なしで,冗長で無関係な結果を自動的に除去する。結果として,この方法は,安定かつユニークなコミュニティのみを純粋に出力し,それは,合成ネットワーク内の移植構造,または実世界ネットワークのためのメタデータを含むネットワークに関する先験的知識によって,大きく解釈できる。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

通信網 , 人工知能

, , , ,

前のページに戻る