半监督社区检测新配方：基于晶体化动力学的 Clique Annealing
社会与信息网络
2025-10-07 v2 人工智能
摘要
半监督社区检测方法广泛用于特定社区的识别，因为标签稀缺。现有的半监督社区检测方法通常涉及两个学习阶段：初始识别和后续调整，常常从不合理的社区核心候选者开始。此外，这些方法因依赖强化学习和生成对抗网络，面临规模性问题，计算成本较高，限制了候选者的选择。为克服这些限制，我们将晶体化动力学与社区检测类比，将退火过程的自发性融入社区检测。具体而言，我们将社区检测类比为识别晶体亚晶体（核心）并通过类似退火过程的扩散形成完整晶体（社区）。基于此，我们提出CLique ANNealing（CLANN），将动力学概念应用于社区检测，通过将这些原理整合到优化过程中以强化社区核心的一致性。随后，引入一种无学习的Transitive Annealer来通过合并相邻的 Clique 和重新定位社区核心来精炼初级候选者，实现自发的生长过程，提升了规模性。广泛的实验在43种不同的网络设置上表明，CLANN在多个真实世界数据集上超越了前沿方法，展现了在社区检测中卓越的效能与效率。
引用
@article{arxiv.2504.15927,
title = {New Recipe for Semi-supervised Community Detection: Clique Annealing under Crystallization Kinetics},
author = {Ling Cheng and Jiashu Pu and Ruicheng Liang and Qian Shao and Hezhe Qiao and Feida Zhu},
journal= {arXiv preprint arXiv:2504.15927},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2203.05898 by other authors