HoSIM：基于高阶结构重要性的多重局部社区检测方法
社会与信息网络
2022-05-25 v1
摘要
局部社区检测近年来受到广泛关注，已有许多方法用于单局部社区检测，即寻找包含给定查询节点集的社区。然而，节点可能属于网络中的多个社区，检测查询节点集的所有社区（称为多重局部社区检测，MLCD）更为重要，因为它能揭示更多潜在信息。MLCD也更具挑战性，因为当查询节点属于多个社区时，它总是位于社区复杂的重叠区域和边缘区域。因此，应用种子扩展方法对此类节点检测多个社区是不充分的。本文中，我们基于高阶结构重要性（HoSI）解决MLCD问题。首先，为有效估计高阶结构的影响，我们提出一种称为主动随机游走（Active Random Walk）的随机游走变体，用于度量节点间HoSI分数。然后，我们提出两个新度量分别评估子图对节点的HoSI分数以及节点的HoSI分数。基于所提度量，我们提出一种称为HoSIM的新算法，用于检测单个查询节点的多个局部社区。HoSIM执行三阶段处理，即子图采样、核心成员识别和局部社区检测。其核心思想是利用HoSI查找并识别与查询节点相关的社区核心成员，并优化生成的社区。大量实验表明了HoSIM的有效性。
引用
@article{arxiv.2205.11812,
title = {HoSIM: Higher-order Structural Importance based Method for Multiple Local Community Detection},
author = {Boyu Li and Meng Wang and John E. Hopcroft and Kun He},
journal= {arXiv preprint arXiv:2205.11812},
year = {2022}
}