저랭크 근사 기반 커뮤니티 탐지 최적화 방법
** 본 논문은 네트워크의 인접 행렬에 대한 기대값의 주요 고유벡터가 형성하는 저차원 부분공간으로 라벨 공간을 투사함으로써, 이산 라벨 최적화 문제를 다항 시간 내에 해결할 수 있는 일반적인 프레임워크를 제시한다. SBM, DCSBM, 모듈러리티, 커뮤니티 추출 등 다양한 기존 기준에 적용 가능하며, 일관성 및 오차 경계에 대한 이론적 보장을 제공한다. 실험을 통해 다양한 파라미터 설정에서 기존 스펙트럼 방법보다 우수한 성능을 확인한다. …
저자: Can M. Le, Elizaveta Levina, Roman Vershynin
**
1. **연구 배경 및 동기**
커뮤니티 탐지는 네트워크 과학에서 가장 기본적인 문제 중 하나이며, 확률 모델(SBM, DCSBM) 기반 방법이나 전역 기준(모듈러리티, 로그우도 등)을 최적화하는 것이 일반적이다. 그러나 라벨 공간이 2ⁿ개의 이산 조합으로 구성돼 있기 때문에 직접 최적화는 NP‑hard이며, 기존의 빠른 스펙트럼 방법은 특정 목적함수에만 맞춤형으로 설계돼 일반화가 어렵다.
2. **핵심 아이디어**
- **저랭크 근사**: 기대 인접 행렬 E
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기