DCC: A Cascade based Approach to Detect Communities in Social Networks

要約

ソーシャル ネットワークのコミュニティ検出は、ネットワークに固有の最も類似したノードを見つけてグループ化することに関連付けられています。
これらの類似ノードは、結合強度を計算することによって識別されます。
強い結びつきは、接続されたノード ペアが共有する近接性が高いことを示します。
この作業は、密に接続されたノード内に強いつながりがあることを示唆するグラノベッターの議論と、現実世界のネットワークのコミュニティ コアが密に接続されているという理論に動機付けられています。
この論文では、\emph{カスケードを使用したディスジョイント コミュニティ検出 (DCC)} と呼ばれる新しい方法を導入しました。これは、コミュニティの検出における新しい局所密度ベースの結合強度測定の有効性を示しています。
ここでは、タイの強さを利用して、情報を伝播するためにたどるパスを決定します。
アイデアは、カスケードのタプル情報を、結合強度の増加によって導かれるコミュニティ コアに向かってクロールすることです。
カスケード生成ステップを考慮して、割り当てられていないノードにコミュニティ ラベルを割り当てるための新しい優先メンバーシップ方法が開発されました。
$DCC$ の有効性は、いくつかの実世界のデータセットとベースライン コミュニティ検出アルゴリズムの品質と精度に基づいて分析されています。

要約(オリジナル)

Community detection in Social Networks is associated with finding and grouping the most similar nodes inherent in the network. These similar nodes are identified by computing tie strength. Stronger ties indicates higher proximity shared by connected node pairs. This work is motivated by Granovetter’s argument that suggests that strong ties lies within densely connected nodes and the theory that community cores in real-world networks are densely connected. In this paper, we have introduced a novel method called \emph{Disjoint Community detection using Cascades (DCC)} which demonstrates the effectiveness of a new local density based tie strength measure on detecting communities. Here, tie strength is utilized to decide the paths followed for propagating information. The idea is to crawl through the tuple information of cascades towards the community core guided by increasing tie strength. Considering the cascade generation step, a novel preferential membership method has been developed to assign community labels to unassigned nodes. The efficacy of $DCC$ has been analyzed based on quality and accuracy on several real-world datasets and baseline community detection algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google