内部的に切断されたコミュニティを持たないように、高速なラベル伝播アルゴリズム(LPA)でコミュニティを検出するGSL-LPAの効果的な導入。
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。
重み付きネットワークにおける最適なコミュニティ数を決定する新しい逐次検定手法を提案する。この手法は、完全な尤度モデリングを必要とせず、次数補正確率ブロックモデルと分散プロファイル行列スケーリングを用いて、ノードを段階的にクラスタリングし、テスト統計量を計算することで、コミュニティ構造を効果的に明らかにする。
従来のグラフ対照学習(GCL)ベースのコミュニティ検出手法は、個々のノードの属性表現学習に焦点を当てており、コミュニティの構造的意味論(例:同じコミュニティ内のノードは互いに近い必要がある)を無視しているため、コミュニティ検出の精度が低下するという課題がある。本稿では、この課題を解決するために、構造的意味論に基づくグラフ対照学習フレームワークGCLS2を提案する。