المفاهيم الأساسية
지역 우세에 기반한 알고리즘은 네트워크에서 커뮤니티 중심과 계층 구조를 효과적으로 탐지할 수 있다.
الملخص
이 논문은 지역 우세(local dominance)에 기반한 새로운 커뮤니티 탐지 알고리즘인 Local Search(LS)를 제안한다. LS 알고리즘은 다음과 같은 과정으로 작동한다:
- 각 노드의 차수를 계산한다.
- 각 노드는 자신의 이웃 중 가장 큰 차수를 가진 노드를 부모 노드로 지정한다. 이렇게 형성된 DAG 구조에서 부모 노드가 없는 노드가 지역 리더로 식별된다.
- 각 지역 리더에 대해 가장 가까운 다른 지역 리더까지의 최단 경로 길이를 계산한다.
- 차수와 경로 길이를 고려하여 커뮤니티 중심을 식별한다.
- 커뮤니티 중심을 기준으로 노드들을 커뮤니티에 할당한다.
LS 알고리즘은 지역 정보만을 사용하여 효율적으로 작동하며, 커뮤니티 중심과 계층 구조를 명시적으로 탐지할 수 있다는 장점이 있다. 실험 결과, LS 알고리즘은 합성 및 실제 네트워크에서 우수한 성능을 보였다. 또한 벡터 데이터에 적용할 경우에도 기존 클러스터링 방법보다 우수한 성능을 보였다.
الإحصائيات
네트워크의 평균 경로 길이는 2.443이다.
네트워크의 평균 클러스터링 계수는 0.256이다.
네트워크의 동질성 지수는 -0.476이다.
네트워크의 차수 분포 지수는 1.781이다.
اقتباسات
"지역 우세는 네트워크에서 계층 구조를 드러낸다."
"지역 우세 기반 알고리즘은 커뮤니티 중심과 계층 구조를 명시적으로 탐지할 수 있다."
"지역 정보만을 사용하여 효율적으로 작동하는 것이 LS 알고리즘의 장점이다."