热点事件持续更新

复杂网络社团检测通用层次框架提出

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年11月，研究人员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上对100多种组合进行的测试表明，结合 Wasserman-Faust、PPMI 与 DNGR 的最优流程，其性能可媲美经典的 Leiden 和 Louvain 算法。该方法完整保留了层次特性，能够输出互相兼容的嵌套分区序列，特别适用于社团数量预先未知的场景。

AI 根据报道生成 · 8 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

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。

本事件热度走势

当前热度 8·可比范围峰值 10（11月4日 13:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。