가중 네트워크를 위한 유의미 기반 커뮤니티 탐지

본 논문은 가중 네트워크에 적용 가능한 명시적 널 모델인 연속 구성 모델(continuous configuration model)을 제안하고, 이를 기반으로 다중 가설 검정을 이용한 커뮤니티 추출 알고리즘을 설계한다. 중심극한정리와 가중 확률 블록 모델 하에서의 일관성을 이론적으로 증명했으며, 시뮬레이션과 실제 데이터에 적용해 배경 노드와 겹치는 커뮤니티를 효과적으로 탐지함을 보였다.

저자: John Palowitch, Shankar Bhamidi, Andrew B. Nobel

가중 네트워크를 위한 유의미 기반 커뮤니티 탐지
본 연구는 가중 네트워크에서 커뮤니티를 탐지하기 위한 통계적 기반을 마련하고자, 연속 구성 모델(continuous configuration model, CCM)을 새롭게 정의한다. CCM은 기존 이진 구성 모델이 차수 d 를 이용해 엣지 존재 확률을 정의하던 방식을 확장하여, 차수 d와 강도 s(노드의 총 가중치)를 각각 연결 확률과 가중치 기대값의 기준으로 삼는다. 구체적으로, 노드 u, v 쌍에 대해 엣지 존재 확률은 \tilde r_{uv}(d)=\min\{1, d(u)d(v)/d_T\} 이며, 엣지가 존재할 경우 가중치는 W_{uv}=f_{uv}(d,s)·ξ_{uv} 로 생성한다. 여기서 f_{uv}(d,s)=r_{uv}(s)/\tilde r_{uv}(d) 이며, ξ_{uv} 는 평균 1, 분산 κ 인 임의분포 F 에서 독립적으로 샘플링된다. 이 정의에 따라 E

원본 논문

고화질 논문을 불러오는 중입니다...

댓글 및 학술 토론

Loading comments...

의견 남기기