トピックモデルに基づく大規模ネットワークの重複コミュニティ発見
説明
グラフ構造におけるコミュニティ発見手法は，ソーシャルメディアや共著関係，商品の購買データなどから機能的・構造的にまとまりをもったノード群を抽出し分析することを可能にする重要な技術である．特に近年では，非常に大規模なグラフを解析する機会が多くなってきているため，グラフの規模に対してスケーラブルなコミュニティ発見手法が求められている．本研究では，あるノードから距離 1 以下のノードの集合を文書とみなしてトピックモデルを学習し，トピックごとのノードの予測分布を用いてコミュニティ発見を行う手法について論じた上で，トピックモデルの学習に確率的変分ベイズ法を適用することで，データの規模に対して高いスケーラビリティをもつ重複コミュニティ発見手法を提案する．実験により，提案手法は 6000 万ノード，18 億エッジからなる大規模ネットワークに対しても，既存手法と比較して高速なコミュニティ抽出を実現できることを示す．
収録刊行物
-
- 第8回Webとデータベースに関するフォーラム論文集
-
第8回Webとデータベースに関するフォーラム論文集 2015 88-95, 2015-11-17
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1050011097173107968
-
- NII論文ID
- 170000151207
-
- Web Site
- http://id.nii.ac.jp/1001/00146065/
-
- 本文言語コード
- ja
-
- 資料種別
- conference paper
-
- データソース種別
-
- IRDB
- CiNii Articles