BriefGPT - AI 论文速递
·
Hierarchical Graph Structure Edge Partitioning Model for Learning Evolving Community Structures
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种泊松-伽马边划分模型，用于动态建模时间网络中的潜在社区。实验结果表明，该模型在链接预测和社区检测方面优于其他动态网络模型，深入揭示了复杂网络的动态演变。
🎯
关键要点
- 本研究提出了一种泊松-伽马边划分模型，用于动态建模时间网络中的潜在社区。
- 该模型通过分层转移核模拟潜在社区的互动及其演变。
- 实验结果显示，该模型在链接预测和社区检测方面优于其他主流动态网络模型。
- 研究提供了对复杂网络动态演变的深刻理解。
➡️
