基于嵌入的轮廓社区发现
社会与信息网络
2020-10-30 v1 机器学习
摘要
以网络形式挖掘复杂数据在许多科学学科中日益受到关注。网络社区对应于稠密连接的子网络，且常代表真实世界系统的关键功能部分。本工作中，我们提出轮廓社区发现（SCD），一种基于网络节点嵌入聚类的社区发现方法，即依据节点邻域导出的节点实值表示。我们在234个合成网络及一个真实社交网络上考察了所提SCD方法的性能。尽管SCD不基于任何模块化优化形式，其表现可与当前最优社区发现算法（如InfoMap与Louvain算法）相媲美甚至更优。进一步，我们展示了如何将SCD的输出与领域本体结合用于语义子群发现，从而对真实蛋白质相互作用网络中检测出的社区给出可被人理解的解释。由于基于嵌入，SCD具有广泛适用性，并可作为许多现有网络学习与探索流程的一部分开箱即用地测试。
引用
@article{arxiv.1908.02556,
title = {Embedding-based Silhouette Community Detection},
author = {Blaž Škrlj and Jan Kralj and Nada Lavrač},
journal= {arXiv preprint arXiv:1908.02556},
year = {2020}
}