TaCD: マルチビューモジュラリティに基づくチーム認識型コミュニティ検出

科学分野:

• ネットワーク科学
• ソーシャルネットワーク分析
• データマイニング

背景:

• コミュニティ検出はネットワーク科学において重要です。
• 既存の方法では、ソーシャルネットワークにおける重要なチーム情報が無視されることがよくあります。
• チーム構造は、コミュニティの形成と進化に大きく影響します。

研究 の 目的:

• チーム情報を統合する新しいコミュニティ検出アルゴリズムを提案すること。
• ユーザーインタラクションとチーム構造を組み込んだマルチビューネットワークモデルを開発すること。
• チーム認識型コミュニティ検出を評価するための新しいデータセットを導入すること。

主な方法:

• ユーザーインタラクション（ユーザービュー）とチーム情報（チームビュー）を持つマルチビューネットワークを構築しました。
• クロスビューカップリングにジャカード類似性を使用して、一貫性を測定しました。
• 最適化のためにマルチビューモジュラリティと一般化ルーヴァンアプローチを採用しました。

主要な成果:

• 提案されたチーム認識型コミュニティ検出（TaCD）アルゴリズムは、コミュニティを効果的に特定します。
• TaCDは、ベンチマークデータセットにおいて既存のアルゴリズムと比較して優れたパフォーマンスを示します。
• 新しいSCHOLATデータセットは、チーム認識型コミュニティ検出の研究を促進します。

結論:

• チーム情報の統合は、ソーシャルネットワークにおけるコミュニティ検出の精度を向上させます。
• TaCDは、複雑なコミュニティ構造を明らかにするための堅牢なフレームワークを提供します。
• 開発されたアルゴリズムとデータセットは、ネットワーク科学の分野に大きく貢献します。