전역 영향력을 이용한 커뮤니티 탐지
본 논문은 기존의 엣지 기반 모듈러리티 대신, 네트워크 내 노드 간 “전역 영향력”을 정량화한 새로운 모듈러리티 정의를 제시한다. 영향력은 모든 길이의 경로 수와 두 감쇠 파라미터(α, β)를 이용해 행렬 형태로 계산되며, 이를 기반으로 만든 영향력‑기반 모듈러리티 Q를 최대화하는 스펙트럴 방법(주요 고유벡터)으로 커뮤니티를 분할한다. 저자들은 카라테 클럽 등 표준 데이터셋에 적용해 기존 모듈러리티 방법과 비슷하거나 더 나은 성능을 보였다고 주…
저자: ** - Rumi Ghosh (University of Southern California, Information Sciences Institute) - Kristina Lerman (University of Southern California, Information Sciences Institute) **
본 논문은 온라인 소셜 네트워크의 급격한 성장과 데이터 접근성 향상에 힘입어, 커뮤니티 탐지 방법론을 새롭게 고찰한다. 기존 연구에서는 “내부 엣지가 외부 엣지보다 많다”는 정의를 기반으로 모듈러리티를 최적화하는 방법이 주류를 이루었지만, 저자들은 이 정의가 실제 사회적 영향력 전파 메커니즘을 충분히 반영하지 못한다는 점을 지적한다.
1. **전역 영향력 정의**
- 네트워크는 방향성(또는 무방향성) 그래프 G(N,E)로 모델링되고, 인접 행렬 A를 사용한다.
- 두 노드 i와 j 사이의 n‑hop 경로 수를 Aⁿ의 (i,j) 원소로 표현한다.
- 각 경로에 대해 직접 감쇠 β와 간접 감쇠 α를 곱해 가중치를 부여한다. 구체적으로 n‑hop 경로의 전파 확률은 β·αⁿ⁻¹ 이다.
- 모든 경로를 합산하면 영향력 행렬 P는
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기