
부분적으로 관찰된 그래프의 모듈러리티는 실제 그래프의 모듈러리티와 유사하게 유지된다. 충분한 수의 간선이 관찰되는 경우, 부분적으로 관찰된 그래프의 모듈러리티가 실제 그래프의 모듈러리티와 유사할 가능성이 높다.


coremsg

실제-그래프-구조를-부분적으로만-관찰할-때-모듈러리티-보존-여부-분석


실제 그래프 구조를 부분적으로만 관찰할 때 모듈러리티 보존 여부 분석



본 논문은 유명한 커뮤니티 탐지 알고리즘인 뉴먼의 스펙트럼 방법과 루바인 알고리즘을 개선하는 방법을 제안한다. 랜덤 워크를 활용하여 계산 복잡도를 낮추면서도 효율성을 높인 알고리즘을 제안한다.



개선된 랜덤 워크를 활용한 루바인 알고리즘



본 논문은 모듈러리티와 코사인 함수를 활용한 두 가지 겹치는 커뮤니티 탐지 알고리즘을 제안한다. 이 알고리즘들은 무방향 및 방향 그래프 구조에 적용 가능하며, 실제 데이터를 활용한 실험을 통해 효과성과 타당성을 입증한다.



실제 네트워크 데이터를 활용한 겹치는 커뮤니티 탐지 알고리즘
