异构非对齐网络群体上的社区检测
社会与信息网络
2019-04-11 v1 机器学习
机器学习
摘要
针对多个图的聚类和社区检测通常集中于对齐图，其中图之间节点存在映射关系（例如多视图、多层、时序图）。然而，在许多应用领域中，多个图仅部分对齐甚至完全不对齐。这些图通常抽取自同一总体，其社区规模可能不同但展现出相似结构。本文中，我们开发了联合随机块模型（Joint SBM）来估计异构非对齐图集合上的共享社区。我们推导了一种高效谱聚类方法来学习联合SBM的参数。我们在合成和真实世界数据集上评估该模型，表明与在每个单独图上学习独立SBM相比，联合模型能够利用跨图信息更好地估计社区。
引用
@article{arxiv.1904.05332,
title = {Community detection over a heterogeneous population of non-aligned networks},
author = {Guilherme Gomes and Vinayak Rao and Jennifer Neville},
journal= {arXiv preprint arXiv:1904.05332},
year = {2019}
}