复杂网络社团检测通用层次框架提出

1. 13:00
   arXiv 机器学习

   基于节点相似度、图表示学习与层次聚类的复杂网络社团检测

   新研究提出三种用于复杂网络社团检测的通用层次框架，支持多种连接聚类算法、节点相近度矩阵与图表示学习模型。在随机块模型与真实数据集测试 100 多种组合显示，结合 Wasserman-Faust、PPMI 与 DNGR 的最优流程性能媲美 Leiden 和 Louvain 算法。该方法保留了层次特性并可输出互相兼容的嵌套分区序列，适用于社团数量预先未知的场景。

Current heat 8·Comparable peak 10（Nov 4 13:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.