Core Concepts
META-CODEは、未知のネットワーク構造において、探索学習を通じて重なり合うコミュニティを検出するための統合フレームワークであり、優れた成果を達成します。
Abstract
META-CODEは、グラフニューラルネットワーク(GNN)に基づく新しい再構築損失によって訓練されたコミュニティ所属エンベッディングを生成し、コミュニティ所属に基づいたノードクエリを介したネットワーク探索、および探索されたネットワークからのエッジ接続に基づくSiameseニューラルネットワーク モデルを使用して、重なり合うコミュニティを効果的に検出します。META-CODEは他の競合手法と比較して65.55%までの顕著な利益を達成しました。また、各部分の影響や理論的発見、推定される通信量なども評価されました。
Stats
META-CODEは競合手法と比較して65.55%までの顕著な利益を達成しました。
5つの実世界データセットで広範囲な実験が行われました。
META-CODEは計算効率が高いことが示されました。
Quotes
"META-CODEは他の競合手法と比較して65.55%までの顕著な利益を達成しました。"
"META-CODEは計算効率が高いことが示されました。"