community search
文章平均质量分 87
面包片片
这个作者很懒,什么都没留下…
展开
-
Multi-attributed Community Search in Road-social Networks
1.问题定义(Multi-attributed CS)找到的社区结构与查询用户高度相关,并且所得社区结构在当前属性中得分最高(还是传统的两步,先根据查询节点找社区,再根据属性筛选)2.研究背景(location-based social networks (LBSN) )网络中不仅有用户和朋友关系,每个用户节点还和不同的属性相关联,例如位置信息,数字属性等Multi-attributed Road-social Networks定义??每个节点有位置信息以及几个数值属性3.Top-j原创 2022-05-03 21:57:42 · 200 阅读 · 0 评论 -
A survey of community search over big graphs
1.社区搜索的一些具体应用推荐蛋白质预测图深度学习书中的应用2.常见的定义社区的标准k-clique:子图中有K个点,且每个点都与其余节点有边相连k-truss:每条边至少与其余边形成K-2个三角形(每条边上的两个顶点,至少有k-2个公共邻居)truss number:包含边e的k-truss子图中,最大的Kk-ECC:移除任意k-1条边之后子图仍是连通的(每个顶点至少有K个邻居)k-core:每个节点的度至少为K( largest subgraph ),选出的子图可能不是连通的c原创 2022-04-29 20:48:03 · 467 阅读 · 0 评论 -
Query Driven-GNN for Community Search:From Non-Attributed,Attributed,to Interactive Attribute
1.问题定义CS(Community search)寻找包含查询节点的社区结构,使其内部结构紧密ACS(Attributed community search)寻找包含查询节点的紧密结构,且社区内成员的属性和查询属性相似2.传统方法缺点CS根据预定义的子图(k-core,k-truss…)寻找包含查询节点的社区,限制性太强,现实世界中很多社区不能满足这种结构ACS将问题分解两步执行(two-stage process),忽略了社区结构和节点属性之间的关系,以及属性和属性之间的关原创 2022-04-21 21:36:00 · 1703 阅读 · 2 评论 -
ICS-GNN:Lightweight Interactive Community Search via Graph Neural Network
1.问题定义给定一个查询节点,求出此节点所属的社区。社区搜索用途(可以为许多应用提供候选集:friend recommendations,fraudulent graph discover)2.现存方法缺点1)先爬取大部分的网络数据,然后从中寻找社区,但是爬取的数据很大一部分对终端用户没用。并且不能实时爬取数据,将数据爬取和社区搜索分开。2)使用人工定义的规则评价社区好坏,社区结构是灵活的,不能有效的评估3)根据预定义的规则(k-core,k-truss)在真实的数据中很难发现高质量的社区原创 2022-04-16 16:42:42 · 1190 阅读 · 0 评论 -
属性图社区搜索--QD-GCN(Query-Driven Graph Convolutional Networks for Attributed Community Search)
1.什么是ACS(attributed community search)对于给定的查询节点 (节点+该节点的属性),找出其所属社区2.ACS–传统方法传统方法传统方法分两步执行1)structural matching:找出查询节点的候选社区结构2)attribute filtering:优化属性函数,来缩小或筛选第一步选出的社区缺点1)将结构和属性分开处理,忽略结构和属性关联,现实世界的社区结构和属性是有关系的2)传统社区搜索基于预定义的子图(先根据如下标准:k-core,k-原创 2022-04-12 22:36:20 · 1398 阅读 · 0 评论