Lupa

Izpis gradiva Pomoč

A- | A+ | Natisni
Naslov:Graphlet-based edge weighting for improved community detection in complex networks
Avtorji:ID Anastasiia, Dziuba (Avtor)
ID Pražnikar, Jure (Avtor)
Datoteke:.pdf RAZ_Anastasiia_Dziuba_2026.pdf (6,14 MB)
MD5: F489059387B3816AB9D98C2D37C254F4
 
URL https://link.springer.com/article/10.1007/s10844-026-01073-4
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:IAM - Inštitut Andrej Marušič
Opis:Community detection reveals the functional organization of complex networks. Unlike edge-based methods, graphlet-based approaches use higher-order structures, but most studies focus on common motifs or lack validation on networks with known communities. We evaluate eight small motifs on synthetic and real-world networks and propose a framework that weights node pairs by their graphlet co-occurrence while preserving original edges. This captures both direct connections and local topology, improving community detection. Our results show that graphlet-based weighting consistently enhances performance, but no single motif is best for all networks. Simpler motifs can perform as well as dense cliques, suggesting that relying only on cliques may miss important connectivity patterns.
Ključne besede:community, network, graphlets, small-motif
Verzija publikacije:Recenzirani rokopis
Datum objave:01.07.2026
Leto izida:2026
Št. strani:str. 1-24
Številčenje:Vol. , iss.
PID:20.500.12556/RUP-23204 Povezava se odpre v novem oknu
UDK:004
ISSN pri članku:0925-9902
DOI:10.1007/s10844-026-01073-4 Povezava se odpre v novem oknu
COBISS.SI-ID:283297539 Povezava se odpre v novem oknu
Datum objave v RUP:01.07.2026
Število ogledov:28
Število prenosov:2
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Journal of intelligent information systems
Založnik:Kluwer Academic Publishers
ISSN:0925-9902
COBISS.SI-ID:15633157 Povezava se odpre v novem oknu

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P1-0048-2018
Naslov:Strukturna biologija

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:I0-0035-2022
Naslov:Infrastrukturna skupina Univerze na Primorskem

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Opis:Odkrivanje skupnosti razkriva funkcionalno organizacijo kompleksnih omrežij. Za razliko od metod, ki temeljijo na povezavah, pristopi z grafleti uporabljajo višjeredne strukture, vendar se večina raziskav osredotoča na običajne motive ali pa jih ne preverja na omrežjih z znanimi skupnostmi. Ovrednotili smo osem majhnih motivov na sintetičnih in resničnih omrežjih ter predlagali okvir, ki uteži pare vozlišč glede na njuno skupno pojavljanje v grafletih, pri tem pa ohranja izvirne povezave. Tako zajame neposredne povezave in lokalno topologijo ter izboljša odkrivanje skupnosti. Rezultati kažejo, da uteževanje z grafleti dosledno izboljša uspešnost, vendar noben motiv ni najboljši za vsa omrežja. Tudi preprostejši motivi lahko dosežejo primerljivo uspešnost kot goste klike, kar kaže, da lahko zanašanje zgolj na klike spregleda pomembne vzorce povezljivosti.
Ključne besede:skupnost, omrežja, grafleti, majhni motivi


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici