学者提出结合图表示与层次聚类的网络社区发现框架

2026年11月4日，arXiv发布的一项研究提出了三种结合节点相似度、图表示学习与层次聚类的通用框架，以应对复杂网络的社区发现问题。研究团队对364种模块组合进行了系统评测，结果显示，采用PPMI邻近度与DNGR模型的最佳流程性能可媲美经典的Leiden和Louvain算法，并在包含大量小型社区的网络中表现出更高的精度。然而，该框架的时间复杂度较高，在个人计算设备上目前主要适用于顶点数约10000个的网络规模。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。