集成 AI 实体混合元宇宙网络中以人为中心的社区发现
社会与信息网络
2025-02-18 v1 人工智能
摘要
社区发现是社会网络分析 (SNA) 中的基石问题，旨在识别具有最少外部连接的内聚社区。然而，生成式 AI 与元宇宙的兴起通过创造人-AI 混合社交网络 (记为 HASNs) 引入了复杂性，其中传统方法显得不足，特别是在以人为中心的场景中。本文引入了 HASNs 中一个新颖的社区发现问题 (记为 MetaCD)，旨在增强社区内部的人际连接，同时减少 AI 节点的存在。由于在排除某些 AI 节点与维持社区结构之间存在微妙的权衡，有效处理 MetaCD 面临挑战。为解决此问题，我们提出了 CUSA，一个结合了 AI 感知聚类技术的创新框架，通过选择性地保留有助于社区完整性的 AI 节点来应对这一权衡。此外，鉴于现实世界 HASNs 的稀缺性，我们设计了四种在各种假设场景下合成这些网络的策略。在重新配置为 HASNs 的真实社交网络上进行的实证评估表明，与传统非深度学习方法和基于图神经网络 (GNN) 的方法相比，我们的方法具有有效性与实用性。
引用
@article{arxiv.2502.10750,
title = {Human-Centric Community Detection in Hybrid Metaverse Networks with Integrated AI Entities},
author = {Shih-Hsuan Chiu and Ya-Wen Teng and De-Nian Yang and Ming-Syan Chen},
journal= {arXiv preprint arXiv:2502.10750},
year = {2025}
}
备注
15 pages, Accepted for publication in the ACM WWW 2025