A Comprehensive Review of Community Detection in Graphs

要約

複雑なネットワークの研究により、現実世界のグラフの重要な特徴として機能するコミュニティ構造についての理解が大幅に進歩しました。
グラフ内のコミュニティを検出することは、社会学、生物学、コンピューター サイエンスのアプリケーションにとって難しい問題です。
学際的な科学者コミュニティの努力にもかかわらず、この問題に対する満足のいく解決策はまだ達成されていません。
このレビュー記事では、グラフにおけるコミュニティ検出のトピックを詳しく掘り下げ、モジュールベースの手法、スペクトル クラスタリング、確率的モデリング、深層学習の観点からさまざまなコミュニティ検出手法を徹底的に解説します。
これらの方法に加えて、私たちが設計した新しいコミュニティ検出方法も紹介します。
さらに、グラウンド トゥルースがある場合とない場合のデータセットに対するこれらのメソッドのパフォーマンスが比較されます。
結論として、この包括的なレビューにより、グラフにおけるコミュニティ検出についての深い理解が得られます。

要約(オリジナル)

The study of complex networks has significantly advanced our understanding of community structures which serves as a crucial feature of real-world graphs. Detecting communities in graphs is a challenging problem with applications in sociology, biology, and computer science. Despite the efforts of an interdisciplinary community of scientists, a satisfactory solution to this problem has not yet been achieved. This review article delves into the topic of community detection in graphs, which serves as a thorough exposition of various community detection methods from perspectives of modularity-based method, spectral clustering, probabilistic modelling, and deep learning. Along with the methods, a new community detection method designed by us is also presented. Additionally, the performance of these methods on the datasets with and without ground truth is compared. In conclusion, this comprehensive review provides a deep understanding of community detection in graphs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google