Overlapping Community Detection using Dynamic Dilated Aggregation in Deep Residual GCN

要約

重複するコミュニティの検出は、グラフ マイニングにおける重要な問題です。
この問題に取り組むためにグラフ畳み込みネットワーク (GCN) を適用することを検討した研究もあります。
ただし、一般的な不規則グラフの場合、ディープ グラフ畳み込みネットワークを組み込むことは依然として困難です。
この研究では、新しい動的拡張集約メカニズムと、ネットワーク内の重複するコミュニティを検出するための統合されたエンドツーエンドのエンコーダー/デコーダーベースのフレームワークに基づいて、深層動的残差グラフ畳み込みネットワーク (DynaResGCN) を設計します。
ディープ DynaResGCN モデルがエンコーダーとして使用され、ベルヌーイ ポアソン (BP) モデルがデコーダーとして組み込まれています。
その結果、重複するコミュニティ検出フレームワークを、グラウンド トゥルースを持たない研究トピック データセット、信頼できる (手作業でラベル付けされた) グラウンド トゥルースを持つ Facebook の一連のネットワーク、および経験的な (
手作業でラベル付けされていない）グラウンド真実。
これらのデータセットに対する私たちの実験では、ネットワーク内の重複するコミュニティを検出するための多くの最先端の方法よりも大幅に優れたパフォーマンスを示しました。

要約(オリジナル)

Overlapping community detection is a key problem in graph mining. Some research has considered applying graph convolutional networks (GCN) to tackle the problem. However, it is still challenging to incorporate deep graph convolutional networks in the case of general irregular graphs. In this study, we design a deep dynamic residual graph convolutional network (DynaResGCN) based on our novel dynamic dilated aggregation mechanisms and a unified end-to-end encoder-decoder-based framework to detect overlapping communities in networks. The deep DynaResGCN model is used as the encoder, whereas we incorporate the Bernoulli-Poisson (BP) model as the decoder. Consequently, we apply our overlapping community detection framework in a research topics dataset without having ground truth, a set of networks from Facebook having a reliable (hand-labeled) ground truth, and in a set of very large co-authorship networks having empirical (not hand-labeled) ground truth. Our experimentation on these datasets shows significantly superior performance over many state-of-the-art methods for the detection of overlapping communities in networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google