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。
Cohenらによって2016年に提示されたNode-centric ovErlaping Community AlgoRithmのNECTARは,それが呼び出されるネットワークに基づいて最適化するために機能する2つの目的関数の間で動的に選択する。Cohenらが示すように,このアプローチは,コミュニティ検出の重複のための6つの最先端アルゴリズムより優れている。本研究では,NECTAR-ML,目的関数の選択を自動化するための機械学習ベースのモデルを使用するNECTARアルゴリズムの拡張,および15,755の人工的および7つの実世界ネットワークのデータセット上で訓練し,評価した。本解析は,約90%のケースで,本モデルが正しい目的関数を成功裏に選択できることを示した。NECTARとNECTAR-MLの競合解析を行った。NECTAR-MLは,最良の目的関数を選択するためのNECTARの能力を有意に凌駕することが示された。また,NECTAR-MLと2つの付加的最先端の多目的コミュニティ検出アルゴリズムの競合解析を行った。NECTAR-MLは,平均検出品質に関して両方のアルゴリズムを凌駕した。多目的EA(MOEA)はMOPを解くための最も一般的なアプローチであり,NECTAR-MLがMLベースの目的関数選択の有効性を示すという事実を,明らかに凌駕する。【JST・京大機械翻訳】