Community-driven network embedding via two-stage community structure refinement

doi:10.1038/s41598-026-66426-z

Community-driven network embedding via two-stage community structure refinement

2026-08-17

0

OA

AI

DOI：10.1038/s41598-026-66426-z

原文链接

原文求助

摘要

En 中文

社区结构为网络表示学习提供了重要的介观信息，但大多数基于社区感知的嵌入方法将检测到的社区作为固定上下文或辅助正则化器。本文提出CDNE，一种基于两阶段社区结构精化的社区驱动网络嵌入框架。在第一阶段，CDNE应用Louvain算法获取初始社区划分，并设计了一种社区引导的随机游走策略，以采样拓扑邻居和同社区节点。生成的序列用于通过skip-gram模型学习初步节点嵌入。在第二阶段，这些初步嵌入被聚类以精化社区分配，精化的社区指导新一轮的社区感知嵌入学习。通过这种设计，CDNE在无需依赖开放式迭代过程的情况下，融入了局部节点邻近性和介观社区语义。在多个真实网络上的实验表明，CDNE在链接预测、跨层网络重构和社区质量评估方面表现出色。消融分析进一步表明，有意义的社区划分、社区引导游走和第二阶段精化共同促成了观察到的改进，表明社区精化是学习判别性节点表示的有效策略。

Community-driven network embedding via two-stage community structure refinement

摘要

期刊

机构