Paper Notes: Online Community Detection for Large Complex Networks

最新推荐文章于 2024-06-27 10:37:12 发布
原创 最新推荐文章于 2024-06-27 10:37:12 发布 · 1.1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#community detection #graph #linear time #generative mechanism

本文介绍了一种针对大型复杂网络的在线社区检测算法。该算法采用逐边处理方式，并考虑了复杂网络的生成机制及节点度数来创建新的社区。实验结果显示，在斯坦福大学的Web图上，相较于CNM算法，本算法运行速度显著提升。

自己学校的文章，仰慕一下~

Paper title: Online Community Detection for Large Complex Networks

Author: Wangsheng Zhang, Gang Pan, Zhaohui Wu, Shijian Li

Conference: IJCAI

Year: 2013


My notes:

This paper proposed an online community detection algorithm for large complex networks using an edge-by-edge processing method.  The algorithm considered the generative mechanism of complex networks and a split mechanism based on the degree of nodes to create new community is presented. The algorithm has a linear time complexity and the most exciting result is found on a web graph ofStandford.edu which consists of 281,903 nodes and 1,992,636 edges, where the running time over 10 runs is 6.802s compared to 3605.6s by CNM algorithm.


Paper之CVPR&ICCV&ECCV：2009年~2019年CVPR&ICCV&ECCV(国际计算机视觉与模式识别会议&国际计算机视觉大会&欧洲计算机视觉会议)历年最佳论文简介及其解读
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
01-06 8497
Paper之CVPR&ICCV&ECCV：2009年~2019年CVPR&ICCV&ECCV(国际计算机视觉与模式识别会议&国际计算机视觉大会&欧洲计算机视觉会议)历年最佳论文简介及其解读 目录 Paper之CVPR&ICCV&ECCV：2009年~2019年CVPR&ICCV&ECCV(国际计算机视觉...
一份史上最详细的计算机视觉资料：包括书籍、论文、数学理论、代码、数据集
Tiger数学之家的博客
08-29 1128
Awesome Computer Vision A curated list of awesome computer vision resources, inspired by awesome-php. For a list people in computer vision listed with their academic genealogy, please visit here Table...
Paper Notes: Empirical Comparison of Algorithms for Network Community Detection
badmartin的技术世界
10-29 1324
Paper title: Empirical Comparison of Algorithms for Network Community Detection Author: Jure Leskovec, Kevin J.Lang, Michael W.Mahoney Conference: WWW 2010, Raleigh, North Carolina, USA Year:
Graph Community Detection
JTY的博客
07-23 3136
先贴出我借鉴的博客 https://blog.youkuaiyun.com/gaofeipaopaotang/article/details/80094656 Graph Community Detection(图团体检测)        当我们的样本以及样本之间的关系可以被表示为一个网络或图（graph）时，可能存在这样的需求：我们想找出来网络中联系比较”紧密”的样本。举个例子，在社交网站中，用户以及用...
ALGORITHMS FOR SOURCE LOCALIZATION
Reborn Lee
11-03 1353
Two approaches for source localization, namely, nonlinear and linear, are presented in Sections 2.3.1 and 2.3.2 , respectively. Generally speaking, the nonlinear methodology [13 – 16] directly employs...
COMMUNITY DETECTION
u011330736的博客
11-06 1370
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.youkuaiyun.com/cmonkey_cfj/article/details/19242725 整理下资料，先丢上来，后面再慢慢扩充。 大牛们(Famous Researchers) （不完全，只是选了几个我经常看到的） M.E.J. Newman 2004...
Paper：《Pre-trained Models for Natural Language Processing: A Survey自然语言处理的预训练模型综述》翻译与解读
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
07-03 8393
​ Paper：《Pre-trained Models for Natural Language Processing: A Survey自然语言处理的预训练模型综述》翻译与解读 目录 Paper：《Pre-trained Models for Natural Language Processing: A Survey自然语言处理的预训练模型综述》翻译与解读 Abstract 1、Introduction 2、Background 3 Overview of PTMs—PT
### Paper about Event Detection
热门推荐
weixin_30780649的博客
04-06 2万+
Paper about Event Detection. #@author: gr #@date: 2014-03-15 #@email: forgerui@gmail.com 看一些相关的论文。 1. 《Efficient Visual Event Detection using Volumetric Features》 ICCV 2005 扩...
[C4] Andrew Ng - Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimizat...
weixin_30384217的博客
04-14 1585
About this Course This course will teach you the "magic" of getting deep learning to work well. Rather than the deep learning process being a black box, you will understand what drives performance, an...
【RFID_paper】Action Sensing
liudongdong_jlu
08-05 2932
0. 高频低频 影响因素 读写器发射功率越大，读写距离相应的也会增大。 天线增益越大，波束宽度越小，则读写距离越远，范围越窄，读取的范围控制越好。 标签芯片与读写器的灵敏度均能影响到读写距离，灵敏度越高，可读写距离就会越远。 多标签环境下，单位时间内RFID读取的标签数量也会影响到读写器的多标签读写性能。 碰撞处理 多标签碰撞：多个标签与一个读写器通讯时产生的碰撞，出现此种情况时可以通过调整读写器自身的防碰撞算法来解决。 多读写器碰撞：多个读写器同时与一个标签通讯时产生的碰撞，通过将读写器设置成不同
泛读论文：Person-reID 行人重识别合集
汪汪汪的博客
03-19 1万+
2017CVPR、ICCV和NIPS在Person Reidentification方向的相关工作小结 基于融合特征的行人再识别方法 模式识别与人工智能 2017.3 问题 目前常用的行人再识别方法主要集中在行人外形特征的描述和同一行人对应的 2 幅图像之间距离的学习度量．由于行人图像的亮度和相机角度的变化等，提取行人的外形特征的不变性较难，因此在各个图像库上行人再识别的识别率较低 ...
【期刊】【物理学A:统计力学及其应用】【Physica A: Statistical Mechanics and its Applications】
wq6qeg88的博客
06-27 2531
统计力学概念和技术的应用包括：物理和物理化学系统的应用，如固体、液体和气体、界面、玻璃、胶体、复杂流体、聚合物、复杂网络，经济和社会系统的应用（例如社会经济网络、金融时间序列、基于智能体的模型、系统风险、市场动力学、计算社会科学、科学科学、进化博弈论、 文化和政治复杂性）和交通运输（例如车辆交通、行人和疏散动态、网络交通、生物学中的群体和其他形式的集体运输、细胞内运输模型、自驱动粒子）以及生物系统（生物信号和噪声、生物波动、细胞系统和生物物理学）;我们基于网络的校对服务确保了更快、更不容易出错的过程。
Paper Notes: Near linear time algorithm to detect community structures in large-scale networks
badmartin的技术世界
08-19 1979
Paper title: Near linear time algorithm to detect community structures in large-scale networks Author: UN Raghavan, R Albert, S Kumara Year: 2007 Journal: Physical Review My notes:  This pape
Paper Notes: Fast unfolding of communities in large networks
badmartin的技术世界
08-26 1518
Paper title: Fast unfolding of communities in large networks Author: Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte and Etienne Lefebvre Journal: Journal of Statistical Mechanics: Theory a
Paper Notes: On Community Detection in Real-world Networks and the Importance of Degree Assortativit
badmartin的技术世界
10-18 1417
Paper title: On Community Detection in Real-world Networks and the Importance of Degree Assortativit Author: Marek Ciglan, Michal Laclavik, Kjetil Norvag Conference: KDD 2013, Chicago, Illinois,
基于Matlab开发的人脸识别考勤系统_人脸识别考勤系统_人脸扫描分割预处理灰度化尺度归一化特征提取对比人脸库数据_输出姓名性别学号等识别结果_统计每人打卡次数时间_一键导出考勤表.zip
12-22
基于Matlab开发的人脸识别考勤系统_人脸识别考勤系统_人脸扫描分割预处理灰度化尺度归一化特征提取对比人脸库数据_输出姓名性别学号等识别结果_统计每人打卡次数时间_一键导出考勤表.zip
Jill5_KG-RNN_46300_1766321738791.zip
最新发布
12-22
Jill5_KG-RNN_46300_1766321738791.zip
EfficientNet: Rethinking model scaling for convolutional neural networks论文
03-19
### 关于 EfficientNet 的论文下载 《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》是一篇由 Google Research 发表的重要论文，探讨了如何通过复合扩展方法来优化卷积神经网络 (ConvNets) 的性能。该论文提出了一种新的模型缩放策略——复合扩展（Compound Scaling），这种方法能够更高效地平衡宽度、深度和分辨率之间的关系，从而显著提高模型的精度和效率[^1]。 如果需要获取这篇论文的 PDF 文件，可以通过以下几种方式： #### 1. **官方发布平台** 论文最初发表在 arXiv 上，因此可以直接访问其官方网站进行下载： - 链接地址：https://arxiv.org/abs/1905.11946 （此链接指向原始版本的预印本） #### 2. **学术搜索引擎** 使用学术搜索引擎可以帮助快速定位到论文资源。常用的工具包括但不限于： - Google Scholar: https://scholar.google.com/ 输入关键词 “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks”，即可找到相关条目并尝试点击免费或付费选项下载。 #### 3. **第三方存储库** 如果无法直接从上述渠道获取，还可以考虑一些开放存取网站，例如： - Papers With Code: 提供大量机器学习领域经典论文及其对应代码实现。 地址：https://paperswithcode.com/paper/efficientnet-rethinking-model-scaling-for - Semantic Scholar: 类似于Google Scholar的功能，但界面更加简洁友好。 地址：https://www.semanticscholar.org/ 以下是基于 Python 编写的简易脚本来模拟自动抓取功能（仅作演示用途，请勿滥用爬虫技术违反版权规定）: ```python import requests def fetch_paper(url, filename="paper.pdf"): response = requests.get(url) if response.status_code == 200: with open(filename, 'wb') as f: f.write(response.content) print(f"Paper successfully downloaded as {filename}") else: print("Failed to retrieve the paper") # Example usage fetch_paper('https://arxiv.org/pdf/1905.11946', 'EfficientNet_paper.pdf') ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值