基于图自编码器重构的快速社区检测
社会与信息网络
2022-03-08 v1 人工智能
机器学习
摘要
随着大数据的快速发展，如何在大尺度网络中高效且准确地发现紧密社区结构以进行知识发现，已引起越来越多的关注。本文首次提出了一种基于图自编码器重构的社区检测框架(记为GAER)。GAER是一种高度可扩展的框架，不需要任何先验信息。我们将基于图自编码器的单步编码分解为两阶段编码框架，以适配真实世界大数据系统，将复杂度从原始的O(N^2)降低到O(N)。同时，基于GAER支持模块即插即用配置与增量社区检测的优势，我们进一步提出了一种基于节点感知的模块用于实时大图，能够以更快速度实现新节点社区检测，并将模型推理加速6.15倍至14.03倍。最后，我们将GAER应用于多个真实世界数据集，包括一些大规模网络。实验结果验证了GAER在几乎所有网络上均取得了优越性能。
引用
@article{arxiv.2203.03151,
title = {Fast Community Detection based on Graph Autoencoder Reconstruction},
author = {Chenyang Qiu and Zhaoci Huang and Wenzhe Xu and Huijia Li},
journal= {arXiv preprint arXiv:2203.03151},
year = {2022}
}
备注
To be published in the 7th IEEE International Conference on Big Data Analytics (ICBDA2022). arXiv admin note: text overlap with arXiv:2201.04066