{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,30]]，“日期-时间”：“2024-08-30T10:05:27Z”，“时间戳”：1725012327919}，“引用-计数”：53，“发布者”：“计算机协会（ACM）”，“问题”：“6”，“内容-域”：{:“域”：[“dl.ACM.org”]，“交叉标记限制”：true}，“short-container-title”：[“ACM Trans.Knowl.Discov.Data”]，“published-print”：{“date-parts”：[[2021,6,28]]}，“abstract”：“\n对网络数据进行社区检测是一项基本任务，在工业上有许多应用。工业中的网络数据可能非常大，具有不完整和复杂的属性，更重要的是，数据会不断增长。这就要求社区检测技术能够处理大规模网络上的属性和拓扑信息，并且是增量的。在本文中，我们提出了inc-AGGMMR，这是一个增量社区检测框架，能够有效地解决网络的可扩展性、混合属性、不完全值和演化带来的挑战，我们通过引入属性中心和归属边将属性映射到网络中。然后通过模块化最大化检测社区。在这个过程中，我们调整了归属边的权重，以平衡属性和拓扑信息对社区检测的贡献。权重调整机制允许增量更新所有顶点的社区成员身份。我们基于五个基准数据集和八个强基线评估inc-AGGMMR。我们还提供了一个案例研究，以逐步检测PayPal支付网络上的社区，其中包含\n\n个\n个\n个\n<\/jats:tex-math>\n<\/jax:alternatives>\n<\/jats:inline-formula>\n用户\n个\n个\n个\n事务处理。结果表明，inc-AGGMMR\u2019的有效性和实用性。\n<\/jats:p>“，”DOI“：”10.1145\/3451216“，”type“：”journal-article“，”created“：{”date-parts“：[2021,5,19]]，”date-time“：”2021-05-19T17:08:53Z“，”timestamp“：1621444133000}，”page“：：6，“标题”：[“大型复杂属性网络的增量社区检测“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-5902-4045“，”authenticated-ORCID“：false，”给定“：”柘“，“family”：“Chen”，“sequence”：“first”，“affiliation”：[{name“：”PayPal“}]}，{“given”：“Aixin”，”family“：”Sun“，”sequence“：”additional“，”afliation“：[{”name“：”新加坡南洋理工大学“}]}，{“given”：“Xiaokui”，“family”：“肖”，“sequence”：“additional”，“affiliation”：[{“name”：“新加坡国立大学”}]}]，“member”：“320”，“published-online”：{“date-parts”：[2021,5,19]]}、“reference”：[}“key”：”e_1_1_1“，“doi-asserted-by”：”publisher“，“doi”：“10.5555\/128338 3.1283494“}，{”key“：”e_1_2_2_1“，”volume-title“：”2013 IEEE第13届数据挖掘国际会议。955\u2013960“，“作者”：“巴比里·N”，“非结构化”：“N.巴比里、F.邦奇和G.曼科。2013.基于影响力的网络友好社区检测。2013年IEEE第13届数据挖掘国际会议。955\u2013960。N.Barbieri、F.Bonchi和G.Manco。2013.基于影响力的网络友好社区检测。2013年IEEE第13届数据挖掘国际会议。955\u2013960.“}，{“key”：“e_1_2_1_3_1”，“volume-title”：“2017 IEEE数据挖掘国际会议.21\u201330”，“author”：“卞勇”，“unstructured”：“Y.Bian，J.Ni，W.Cheng，X.Zhang.2017。多头胜于一头：由多步行者链进行本地社区检测。2017年IEEE数据挖掘国际会议。2013年8月21日。卞颖（Y.Bian）、倪建中（J.Ni）、郑维清（W.Cheng）和张欣（X.Zhang）。2017年。多头胜于一头：由多步行者链检测当地社区。2017年IEEE数据挖掘国际会议。21\u201330.“｝，｛“key”：“e_1_2_1_4_1”，“doi断言者”：“publisher”，“doi”：“10.1088\/1742-5468\/2008\/10\/P10008”｝，｛“key”：“e_1_2_5_1”，“doi断言者”：“publisher”，“doi”：“10.5555\/25401182540503”｝，｛“key”：“e_1_2_1_6_1”，“卷标题”：“高性能架构与网格计算国际会议.338\u2013341”，“作者”：“Chakraborty Sanjay”，“非结构化”：“Sanjay Chakraborty和N.K.Nagwani。2011.增量K-means聚类算法的分析与研究。在高性能体系结构和网格计算国际会议上。338\u2013341。Sanjay Chakraborty和N.K.Nagwani。2011.增量K-means聚类算法的分析与研究。在高性能体系结构和网格计算国际会议上。338\u2013341.“}，{”key“：”e_1_1_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/s42044-019-00043-0”}，“key”：“e_2_1_8_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/s 10618-012-0263-0“}”，{3278-016-0325-1“}，{”键“：”e_1_2_1_10_1“，”卷时间“：”数字社会国际会议。7\u201312“，“作者”：“Dang T.”，“非结构化”：“T.Dang和E.Viennet。2012.基于结构和属性相似性的社区检测。在数字社会国际会议上。2013年7月12日。T.Dang和E.Viennet。2012.基于结构和属性相似性的社区检测。在数字社会国际会议上。7\u201312.“}，{”key“：”e_1_1_11_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/258555.2612664”}，“key”：“e_2_1_12_1”，“doi-assert-by”：“publisher”，”doi“：”10.5555\/30014601507“}”，{}，{“key”：“e_1_1_14_1”，“doi-asserted-by”：“crossref”，《非结构化》：“A。Geyer-Schulz和M.Ovelg\u00f6nne。2014.随机贪婪模块化聚类算法和核心组图聚类方案。在德日数据分析结果交换中。施普林格17\u201336。A.Geyer-Schulz和M.Ovelg\u00f6nne。2014.随机贪婪模块化聚类算法和核心组图聚类方案。在德日数据分析结果交换中。Springer 17\u201336.“，”DOI“：”10.1007\/978-3-319-01264-3_2“}，”{“key”：“e_1_1_15_1”，”DOI-asserted-by“：”publisher“，“DOI”：“10.1073\/pnas.122653799”}，{“密钥”：“e_1_2_16_1”、“首页”：“97”，“article-title”：“高效增量聚类算法”，“卷”：“3”，“作者”：“Gupta Nidhi”，“年份”：“2013”，“非结构化”：“Nidhi Gupta和R.L。乌杰瓦尔。2013 . 一种高效的增量聚类算法。《计算机科学与信息技术世界杂志》3，5（2013），97\u2013 99。Nidhi Gupta和R.L.Ujjwal。2013.高效的增量聚类算法。《计算机科学与信息技术世界期刊》3，5（2013），97\u201399.“，”Journal-title“：”《计算机科学和信息技术世界杂志》}，{“key”：“e_1_2_1_17_1”，“doi-asserted-by”：“publisher”，”doi“：”10.5555\/3294771.3294869“}，”{“key”：”e_1_i_18_1“，“volume-title”：“2016年IEEE信号和信息处理全球会议。425\u2013429”，“作者”：“黄毅”，“非结构化”：“黄毅和王浩。2016年，属性化网络中社区检测的共识和多元化方法。2016年IEEE信号和信息处理全球会议。425\u2013429。Y.Huang和H.Wang。2016年，属性化网络中社区检测的共识和多元化方法。2016年IEEE信号与信息处理全球会议。425\u2013429.“}，{”key“：”e_1_2_1_19_1“，”volume-title“：”第一届亚太知识发现与数据挖掘会议.21_201334“，”author“：”Huang Z.“，”year“：”1997“，”unstructured“：”Z.“。黄。1997 . 使用混合的数值和分类值对大型数据集进行聚类。在第一届亚太知识发现和数据挖掘会议上。2013年8月21日。Z.Huang。1997年。使用混合数值和类别值对大型数据集进行聚类。在第一届亚太知识发现和数据挖掘会议上。21\u201334.“}，{”key“：”e_1_2_1_20_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1038\/s41598-017-02751-8”}，“key”：“e_2_2_21_1”，“volume-title”：“第五届学习表征国际会议论文集（ICLR\u201917）”，“author”：“Thomas”，“unstructured”：“托马斯·基普夫和马克斯·威林，2017。图卷积网络半监督分类。第五届学习代表国际会议记录（ICLR\u201917）。托马斯·基普夫（Thomas N.Kipf）和马克斯·威林（Max Welling）。2017.图卷积网络半监督分类。第五届学习代表国际会议记录（ICLR\u201917）。“}，{”key“：”e_1_1_22_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2898361”}，“key”：“e_1_i_1_23_1”，“volume-title”：“第32届AAAI人工智能会议”，“author”：“Li Y.”，“unstructured”：“Y.Li，C.Sha，X.Huang，and Y.Zhang.2018。属性图中的社区检测：嵌入方法。在第32届AAAI人工智能会议上。Y.Li、C.Sha、X.Huang和Y.Zhang。2018.属性图中的社区检测：一种嵌入方法。在第32届AAAI人工智能会议上。“}，{”key“：”e_1_1_24_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICDE.2016.7498226”}，“key”：“e_1_i_1_25_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICDM.2015.105“}”，{“key“:”e_2_1_26_1““key”：“e_1_2_1_27_1”，“非结构化”：“S.Maekawa K.Takeuch和M.Onizuka，2018。基于PU学习的对称NMF非线性属性图聚类。arXiv预印arXiv:1810.00946（2018）。S.Maekawa K.Takeuch和M.Onizuka。2018.PU学习的对称NMF非线性属性图聚类。arXiv预印arXiv:1810.00946（2018）。“}，{”key“：”e_1_2_1_28_1“，”volume-title“：”ECML\/PKDD图形嵌入和挖掘研讨会的进展.1\u20135.“，”author“：”Maekawa Seiji“，“年份”：“2019”，“非结构化”：“前川正二、张建鹏、乔治·弗莱彻和小野真一郎。2019 . 具有社区结构的属性图的通用生成器。在ECML\/PKDD图形嵌入和挖掘车间进行中。2013年1月5日。前川正二、张建鹏、乔治·弗莱彻和小野真一郎。2019.具有社区结构的属性图的通用生成器。在ECML\/PKDD图形嵌入和挖掘车间进行中。1\u20135.“}，{”key“：”e_1_2_1_29_1“，”volume-title“：”2016 IEEE国际数据工程会议.1502\u20131503“，”author“：”Mahmood A.“，”unstructured“：”A.Mahmoot and M.Small。2016。使用稀疏线性编码的基于子空间的网络社区检测。2016年IEEE国际数据工程会议。1502\u20131503。A.Mahmood和M.Small。2016.使用稀疏线性编码的基于子空间的网络社区检测。在2016年IEEE国际数据工程会议上。1502\u20131503.“}，{“key”：“e_1_1_30_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3336191.3372185“}”，{”key“：”e_1_i_1_31_1“，”doi-assert-by“：”publisher“，”doi:“10.1140\/epjb\/e2004-00124-y”}，“key“I“：”10.1073\/pnas.0601602103“}，{“键”：“e_1_2_1_33_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1371_/journal.pone.0091431”}，{“key”：“e_1_i_1_34_1”，“doi-assert-by”：“publisher”，”doi“：”10.1371\/journal.pone.012799“}，”{“key”：”e_1_cu1_35_1“、”doi-sserted-by”“：”publisher“，”doi:“10.1243\/09544061319509”}“，{”key“：”e_1_2_1_36_1“，”非结构化“：”J.M.Phillips和S.Venkatasubramanian，2011年。介绍内核距离。arXiv预印本arXiv:1103.1625（2011）。J.M.Phillips和S.Venkatasubramanian。2011年，轻轻介绍内核距离。arXiv预印本arXiv:1103.1625（2011）。“}，{”key“：”e_1_1_37_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1273496.1273595”}，“key”：“e_2_1_38_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/248388.24888483 P.I.“，“非结构化”：“P.I.S\u00e1nchez，e。M\u00fcller、U.L.Korn、K.B\u00f6hm、A.Kappes、T.Hartmann和D.Wagner。2015.用于属性图稳健模块化驱动聚类的高效算法。2015年SIAM国际数据挖掘会议。100\u2013108。P.I.S\u00e1nchez、E.M\u00fcller、U.L.Korn、K.B\u00f6hm、A.Kappes、T.Hartmann和D.Wagner。2015.用于属性图稳健模块化驱动聚类的高效算法。2015年SIAM国际数据挖掘会议。100\u2013108.“}，{”key“：”e_1_1_40_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1162\/08997669830017467”}，“key”：“e_2_1_41_1”，“doi-assert-by”：“publisher”，”doi“：”10.1609\/aimag.v29i3.2157“}”，{2783301“}，{”键“：”e_1_2_1_43_1“，”doi-asserted-by“：”出版商“，”doi“：”10.5555\/3298483.3298603“}，{“key”：“e_1_1_44_1”，“doi-asserted-by”：“publisher”，”doi“：”10.5555\/289146.2891623“}”，{”key“：”e_2_1_45_1“，”doi-assert-by“：”publisher“，/s10489-017-0948-6“}，{”key“：”e_1_2_1_47_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/3172077.3172339“｝，｛“键”：“e_1_2_1_48_1”，“卷标题”：“2013 IEEE国际数据挖掘会议.1151\u20131156”，“作者”：“Yang J.”，“非结构化”：“J.Yang，J.McAuley，and J.Leskovec.2013。具有节点属性的网络中的社区检测。2013年IEEE数据挖掘国际会议。1151\u20131156。J.Yang、J.McAuley和J.Leskovec。2013.具有节点属性的网络中的社区检测。2013年IEEE数据挖掘国际会议。1151\u20131156.“}，{”key“：”e_1_1_49_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/334116.3342877”}，“key”：“e_1_cu1_50_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.knosys.2018.09.002 92500.3330721“}，{”key“：”e_1_2_1_52_1“，”doi-asserted-by“：”publisher“，“doi”：“10.14778\/1687627.1687709“}，{“key”：“e_1_2_1_53_1”，“volume-title”：“技术报告CMU-CALD-02-107。卡内基·梅隆大学。“，”作者“：”朱X“，”年份“：”2002“，”非结构化“：”X朱和Z.Ghahramani。2002 . 通过标签传播从标签数据和未标签数据中学习。技术报告CMU-CALD-02-107。卡内基·梅隆大学。X.Zhu和Z.Ghahramani。2002.通过标签传播从标签和未标签数据中学习。技术报告CMU-CALD-02-107。卡内基·梅隆大学。“}]，”container-title“：[”ACM Transactions on Knowledge Discovery from Data“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3451216“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，”deposed“：{”date-parts“：[2023,1]]，”date-time“：“”2023-01-01T18:56:44Z“，”timestamp“：1672599404000}，”score“：1，”resource“：{”primary“：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3451216“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2021,5,19]]}，《references-count》：53，“journal-issue”：{“issue”：“6”，“published-print”：{rts“：[[2021,6,28]]}}，”alternative-id“：[”10.1145\/3451216“]，”URL“：”http:\/\/dx.doi.org\/10.1145\/3451216“，”relationship“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-4601“，”type“:”print“}，{”value“：”2556-472X“，”类型“：”electronic“}]，”subject“：【】，”published“：{”date-parts“：[2021,5,19]]}，“assertion”：[{-“value”：“2020-”07-01“，”订单“：0，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“publication_history“，”label“：”publication history“}}，”value“：”2021-02-01“，”order“：1，”name“：”accepted“，“label”：“accepted”，“group”：{“name”：“publication_history”，“lable”：“publication-history”}，{“value”：“2021-05-19”，”orders“：2，”name：“published”，”lable“：”published“，”group“：