基于深度残差GCN中动态空洞聚合的重叠社区检测
人工智能
2024-10-01 v3
摘要
重叠社区检测是图挖掘中的关键问题。一些研究已考虑应用图卷积网络（GCN）来解决该问题。然而，在一般不规则图的情况下，将深度图卷积网络纳入仍具挑战性。在本研究中，我们基于新颖的动态空洞聚合机制与统一的端到端编码器-解码器框架，设计了一种深度动态残差图卷积网络（DynaResGCN）以检测网络中的重叠社区。深度 DynaResGCN 模型用作编码器，而我们引入伯努利-泊松（BP）模型作为解码器。因此，我们将重叠社区检测框架应用于一个无真实标签的研究主题数据集、一组具有可靠（人工标注）真实标签的 Facebook 网络，以及一组具有经验性（非人工标注）真实标签的极大型合著网络中。我们在这些数据集上的实验显示出优于许多最先进（SOTA）网络重叠社区检测方法的显著性能。
引用
@article{arxiv.2210.11174,
title = {Overlapping Community Detection using Dynamic Dilated Aggregation in Deep Residual GCN},
author = {Md Nurul Muttakin and Md Iqbal Hossain and Md Saidur Rahman},
journal= {arXiv preprint arXiv:2210.11174},
year = {2024}
}