Local Community Detection in Multiple Networks

多网络的本地社群检测

• 本地社群检测的目的：发现一组包含给定查询节点的紧密连接的节点
  • 不足之处：现有的本地社群检测多针对单个网络
  • 单个网络的缺陷：1、存在噪声；2、不健全
    多网络在实际应用中更具有信息化，存在多种类型的节点和多种节点亲密度

新颖的RWM（多网络中的随机游走）模型：从一个网络中找到一个给定查询节点集的所有网络中相关的本地社区。RWM在每个网络中发送一个随机漫步者，为了获得本地紧密的查询节点（如：节点访问概率）。

具有相似访问概率的漫步者会相互增强对方，他们会限制查询节点周围的概率传播，为了识别每个网络中的相关子图，而忽略不相关的部分。

本地社区检测就是去检测一组连接紧密的节点集，该节点集包含了一组给定的查询节点或一个查询节点集。

主要的两种多网络：
1、具有相同节点集和不同类型边的多网络图（多路传输网络或多层网络），更相似的连接存在于两个离线网络，相较于离线和在线关系。
2、来自北京大学图书馆数据集，拥有多领域的节点和边（被称作多领域网络），一部分是作者合作网络，一部分是论文引证网络。一个连接作者和论文的跨边则表示那个作者写了此篇论文。可以发现，在同个领域作者和论文会有密集的交叉关联。
跨边能够提供补充信息（如从作者查询域到论文查询域）。

在两个领域中，检测相关本地社群能够增强对方。

多路传输网络=多领域网络+相同节点集，并且跨网络关系是一对一的映射。

尚无工作——能够在更通用的多域网络的所有邻域——发现查询相关关系</