@article{oai:tuis.repo.nii.ac.jp:00000540,
 author = {熱田, 圭佑 and 森口, 一郎 and Atsuta, Keisuke and Moriguchi, Ichirou},
 issue = {1},
 journal = {東京情報大学研究論集},
 month = {Sep},
 note = {P(論文), ネットワークのリンクが密な部分構造を抽出する手法として、クラスター性によるコミュニティ抽出法が提案されているが二重スターグラフ問題が未解決として残されている。本研究ではこの問題を、二重スターグラフの頂点ノードをコミュニティ抽出時に抽出しコミュニティ分割を行うことで解決した。さらに、コミュニティ構造が与える影響について情報拡散に着目し調べた。この結果、抽出されたコミュニティトポロジ情報を使いネットワーク全体に情報が拡散されるターン数を調べた結果、コミュニティサイズや所属コミュニティで拡散性が変化することと、ランダムな拡散よりコミュニティを使用した拡散手法が現実的に有効であることを明らかにした。, To detect partial structures with high density portion of links from arbitrary networks, Matsushima proposed.method using clustering property. However, the "overlapping star-graph" problem, has been remained unsolved in this technique. In this paper we resolved it by detecting overlapping star-graph nodes firstly before dividing networks to communities. Furthermore, we investigated the effect of community structures on information diffusion. By the topology information of the detected communities, the number of simulation turns that are sufficient for information to spread over the entire networks indicated that information diffusion speeds strongly depend on the size and the properties of these communities, and that the diffusion strategy by exploiting community structures is more effective and practically executable than the random diffusion strategy.},
 pages = {1--12},
 title = {クラスター性によるコミュニティ抽出と情報拡散速度},
 volume = {19},
 year = {2015},
 yomi = {アツタ, ケイスケ and モリグチ, イチロウ}
}