面向属性网络社区检测的图神经网络编码方法
神经与进化计算
2021-01-06 v2
摘要
在本文中，我们首先提出一种用于多目标进化算法的图神经网络编码方法，以处理复杂属性网络中的社区检测问题。在该图神经网络编码方法中，属性网络中的每条边关联一个连续变量。通过非线性变换，一个连续值向量（即边所关联连续变量的拼接）被转换为一个离散值的社区分组解。此外，分别针对单属性和多属性网络提出了两个目标函数，用于评估社区中节点的属性同质性。基于新编码方法和这两个目标，开发了一种基于 NSGA-II 的多目标进化算法（MOEA），称为连续编码 MOEA，用于求解具有连续决策变量的转化后社区检测问题。在多种不同类型的单属性和多属性网络上的实验结果表明，所开发的算法显著优于一些知名的基于进化与非进化的算法。适应度景观分析证实，转化后的社区检测问题比原问题具有更平滑的景观，这证明了所提图神经网络编码方法的有效性。
引用
@article{arxiv.2006.03996,
title = {Graph Neural Network Encoding for Community Detection in Attribute Networks},
author = {Jianyong Sun and Wei Zheng and Qingfu Zhang and Zongben Xu},
journal= {arXiv preprint arXiv:2006.03996},
year = {2021}
}