3653.
针对大多数基于图神经网络(Graph Neural Network,GNN)的社区搜索方法中存在的时间开销巨大和“搭便车”效应问题,本文提出一种基于图组合优化的高效社区搜索模型(Efficient Community Search Based on Graph Combinatorial Optimization,CS-ROMF).该模型设计基于GNN的社区定位器来快速定位查询节点的潜在社区,减少时间开销.在此基础上设计基于强化学习(Reinforcement Learning,RL)的社区优化器调整候选社区的结构,减轻“搭便车”效应.在5个具有真实社区的数据集上进行大量实验,结果表明CS-ROMF在所有评估指标上均优于基线模型.其中,相比结果最好的基线模型,CS-ROMF在F
1值、Jaccard值以及NMI上分别最高提升14.99%、20.67%和21.37%,表明CS-ROMF减轻了“搭便车”效应.同时,CS-ROMF能够显著提升搜索效率,其运行速度比基于GNN的基线模型最多快10倍.… …
相似文献