本文提出了一种新颖的社区检测方法TAS-Com，旨在解决现有方法的次优收敛和拓扑连通性不足的问题。通过引入新损失函数和Leiden算法，TAS-Com显著提升了社区结构的模块性和与人工标记的一致性，实验结果表明其在多个基准网络上优于现有算法。

本研究通过引入“注册”人工标记，显著提升了多语言神经机器翻译模型的性能，使其在大型基准测试中超越相关方法，接近商业大型语言模型的效果。