대형 및 느슨한 커뮤니티의 압축 (Compacting Large and Loose Communities)
Source
Evernote/IFTTT Feedly/Compacting Large and Loose Communities.md
Summary
이 논문은 대규모 네트워크에서 발견된 크고 느슨하며 노이즈가 많은 오버래핑 커뮤니티를 체계적으로 정제하여 컴팩트한 커뮤니티로 변환하는 일반 알고리즘을 제안합니다. 고유벡터 중심성(eigenvector centrality) 기반의 새로운 ‘커뮤니티성’ 측정 지표를 정의하여 느슨한 커뮤니티를 식별하고, 이를 분할하는 알고리즘을 제시합니다. CPM 및 LFM과 같은 기존 방법으로 발견된 커뮤니티를 이 방법으로 정제한 결과, 추천 엔진 작업에서 원래 커뮤니티보다 효과성이 입증되었습니다.
Key Points
- 기존 오버래핑 커뮤니티 탐지 알고리즘(CPM, LFM 등)이 생성하는 커뮤니티는 종종 크고 느슨하며 노이즈가 많음
- 고유벡터 중심성 기반의 새로운 커뮤니티성 측정 지표 정의
- 느슨한 커뮤니티를 컴팩트한 하위 커뮤니티로 분할하는 일반 알고리즘 제안
- 추천 엔진 태스크에서 정제된 커뮤니티의 유효성 검증
Related
-
Moment-Based Spectral Analysis of Large-Scale Networks Using Local Structural Information
-
Nonlinear Latent Factorization by Embedding Multiple User Interests
-
λ-Diverse Nearest Neighbors Browsing for Multidimensional Data
-
Protecting Sensitive Labels in Social Network Data Anonymization
-
An Unsupervised Feature Selection Framework for Social Media Data
-
Information-Theoretic Outlier Detection for Large-Scale Categorical Data
-
Efficient Multiview Maintenance under Insertion in Huge Social Networks
-
Anomaly Extraction in Backbone Networks Using Association Rules
-
Social Event Classification via Boosted Multimodal Supervised Latent Dirichlet Allocation
-
Similarity-based Clustering by Left-Stochastic Matrix Factorization
-
동적 스타 네트워크에서 다중 유형 객체의 공진화 (Co-Evolution of Multi-Typed Objects in Dynamic Star Networks)
-
Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling
-
Continuous Birdsong Recognition Using Gaussian Mixture Modeling of Image Shape Features
-
A Model for Context in the Design of Open Production Communities
-
Active Learning through Adaptive Heterogeneous Ensembling (AHE)
-
Neighborhood Preserving Codes for Assigning Point Labels: Applications to Stochastic Search
-
Knowledge-Based Approaches to Information Management in Coalition Environments