DyPerm：面向动态社区检测的持久性最大化
社会与信息网络
2018-02-14 v1 物理与社会
摘要
本文中，我们提出 DyPerm，首个优化称为持久性（permanence）的新型社区评分度量的动态社区检测方法。DyPerm 通过更新已执行节点和边编辑的那些社区来增量修改社区结构，保持网络其余部分不变。我们给出强有力的理论保证，以说明为何仅对现有社区结构进行更新即可在动态网络中实现持久性最大化，进而大幅降低计算复杂度。在合成及六个具给定真实社区结构的真实网络上的实验表明，与四种基线方法中最佳者相比，DyPerm（平均）在准确率（基于 NMI）上获得 35% 的提升。DyPerm 还被证明比其静态对应方法快 15 倍。
引用
@article{arxiv.1802.04593,
title = {DyPerm: Maximizing Permanence for Dynamic Community Detection},
author = {Prerna Agarwal and Richa Verma and Ayush Agarwal and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:1802.04593},
year = {2018}
}
备注
4 tables, 3 figures, Accepted in n 22nd Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), 2018