Covariate-Assisted Community Detection in Multi-Layer Networks
协变量辅助的多层网络社区检测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究多层网络的节点连接、协变量同质性与社区识别，与给定的网络方法方向最直接相关。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
协变量辅助的多层网络社区检测
- 研究问题
- 研究如何利用节点协变量辅助识别多层网络中的社区，使跨层连接模式与节点属性信息共同参与社区划分。
- 方法与思路
- 作者将适当缩放的节点相似度矩阵作为新增网络层，对扩展后的网络张量进行 Tucker 分解，获得用于社区检测的谱嵌入。
- 材料陈述的贡献
- 摘要称，建立社区检测的渐近一致性，并通过多种合成网络和两个真实多层网络的数值实验支持方法表现。
- 阅读关注点
- 应核对协变量相似度和缩放规则、同质性原理对应的模型条件，以及协变量信息失配时社区检测的表现。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，不能判断一致性的完整条件或协变量始终有益；具体实验与后续刊本变化未核验。
原文摘要
Communities in multi-layer networks consist of nodes with similar connectivity patterns across all layers. This article proposes a tensor-based community detection method in multi-layer networks, which leverages available node-wise covariates to improve community detection accuracy. This is motivated by the network homophily principle, which suggests that nodes with similar covariates tend to reside in the same community. To take advantage of the node-wise covariates, the proposed method augments the multi-layer network with an additional layer constructed from the node similarity matrix with proper scaling, and conducts a Tucker decomposition of the augmented multi-layer network, yielding the spectral embedding vector of each node for community detection. Asymptotic consistencies of the proposed method in terms of community detection are established, which are also supported by numerical experiments on various synthetic networks and two real-life multi-layer networks.