admin管理员组

文章数量:1626244

本周+下周吸取这7篇顶会论文的精华。下面简单总结下每篇的摘要和文章内容。

  1. Incorporating Network Embedding into Markov Random Field for Better Community Detection. Di Jin, Xinxin You, Weihao Li, Dongxiao He, Peng Cui, Francoise Fogelman-Soulie, Tanmoy Chakraborty. AAAI 2019.
    摘要：近期的社区发现任务主要是学习节点向量，将其作为特征使用一些聚类算法。严重的问题：在真实网络上，具有重要统计意义的节点被划分到不正确的社区，这是因为当一些距离度量捕捉到了结点向量的空间关系，这些节点映射到特征向量之后不再耦合，丢失了重要结构信息。
    我们提出了马尔科夫随机场（MRF）框架，将耦合引入到了网络嵌入中。巧妙的利用MRF的特性，解决了上述问题。

  2. A Unified Framework for Community Detection and Network Representation Learning. Cunchao Tu, Xiangkai Zeng, Hao Wang, Zhengyan Zhang, Zhiyuan Liu, Maosong Sun, Bo Zhang, Leyu Lin. TKDE 2018.
    摘要：社区结构可以提升NRL的质量和一些相关的评价任务，比如链接预测和节点分类。鉴于网络表示学习和文本建模的相似性，受此启发，我们提出了一个统一的框架，命名为Community-enhanced NRL（CNRL）。CNRL同时检测每个顶点的社区分布，并且从节点和社区学习嵌入向量。除此之外还提出了一种社区提升机制，可以应用于现有的NRL算法中。

本文标签： 发现社区网络NetworkRepresentation

版权声明：本文标题：网络表示学习（Network Embedding Representation）+社区发现（Community Detection） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dongtai/1728945849a1181253.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。