通过图卷积神经网络推动社区检测：连接拓扑与属性凝聚
本文解决了当前社区检测方法在训练时存在的次优收敛和拓扑连通性不足的问题。提出了一种新颖的基于拓扑和属性相似性的社区检测方法（TAS-Com），通过引入新损失函数和利用Leiden算法优化社区结构，显著提升了结果的模块性和与人工标记的一致性。实验结果表明，TAS-Com在多个基准网络上的表现明显优于现有的多种先进算法。
本文提出了一种新颖的社区检测方法TAS-Com，解决了训练过程中的次优收敛和拓扑连通性不足的问题。通过新损失函数和Leiden算法的优化，显著提高了模块性和与人工标记的一致性，实验结果表明其优于多种现有算法。
