Resumen

La búsqueda de comunidad es una variante orientada a consultas del problema de detección de comunidades, y el objetivo es recuperar una sola comunidad de un conjunto dado de nodos. La mayoría de los métodos existentes de búsqueda de comunidad adoptan características hechas a mano, por lo que hay algunas limitaciones en las aplicaciones. Nuestra idea está motivada por los avances recientes en la incrustación de nodos. La incrustación de nodos utiliza un método de aprendizaje profundo para obtener la representación de características de los nodos directamente de la estructura del grafo automáticamente y ofrece un nuevo método para medir la distancia entre dos nodos. En este artículo, proponemos un algoritmo de búsqueda de comunidad de dos etapas con una estrategia de árbol de expansión mínima basada en la incrustación de nodos. En la primera etapa, proponemos un modelo de incrustación de nodos NEBRW y mapeamos los nodos a los puntos en un espacio vectorial de baja dimensión. En la segunda etapa, proponemos una nueva definición de comunidad desde el punto de vista de la distancia, transform

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Búsqueda de comunidades; Problema de detección de comunidades; Incrustación de nodos; Método de aprendizaje profundo; Estrategia de árbol de expansión mínima; Algoritmo de Prim
• Keywords:Community search; Community detection problem; Node embedding; Deep learning method; Minimum spanning tree strategy; Prim algorithm