핵심 개념
본 논문은 유명한 커뮤니티 탐지 알고리즘인 뉴먼의 스펙트럼 방법과 루바인 알고리즘을 개선하는 방법을 제안한다. 랜덤 워크를 활용하여 계산 복잡도를 낮추면서도 효율성을 높인 알고리즘을 제안한다.
초록
본 논문은 네트워크 커뮤니티 탐지를 위한 두 가지 알고리즘을 제안한다.
랜덤 워크 그래프 분할 알고리즘:
뉴먼의 스펙트럼 방법과 유사하지만, 고유벡터 대신 랜덤 워크를 사용하여 계산 복잡도를 낮춤
충분한 수의 랜덤 워크 단계에서 뉴먼의 알고리즘과 동일한 결과를 도출
랜덤 워크 그래프 분할 루바인 알고리즘:
루바인 알고리즘의 첫 번째 단계에서 제안한 랜덤 워크 그래프 분할 알고리즘을 적용
루바인 알고리즘과 유사한 계산 복잡도를 가지면서도 더 높은 효율성 달성, 특히 커뮤니티 구조가 불분명한 그래프에서
실험 결과, 제안한 알고리즘들이 기존 알고리즘에 비해 우수한 성능을 보였다.
통계
평균 차수 E[k] = pin(g-1) + poutg(l-1)
모든 커뮤니티의 크기가 동일
각 정점의 차수가 대략 동일
인용구
"우리는 뉴먼의 스펙트럼 방법과 유사한 그래프 분할 방법을 소개할 것이다. 그러나 우리는 고유벡터 대신 랜덤 워크를 사용하여 알고리즘의 계산 복잡도를 낮출 것이다."
"우리는 랜덤 워크 그래프 분할 알고리즘을 루바인 알고리즘의 첫 번째 단계에 적용하여 새로운 알고리즘인 랜덤 워크 그래프 분할 루바인 알고리즘을 제안할 것이다. 이 알고리즘은 루바인 알고리즘과 유사한 계산 복잡도를 가지면서도 더 높은 효율성을 달성할 수 있다."