# FacetNet Lin et al. が提案した evolutionary clustering 手法。分割の質を、現時点データへの適合度(snapshot quality)と前時刻の分割との類似性(history cost)の重み付き結合として評価する Chakrabarti et al. の枠組みを踏襲しつつ、両者の評価に KL ダイバージェンスを用いる。頂点が複数のコミュニティに同時に所属することを許容する点が特徴である([[@2010__PhysRep__Community detection in graphs - Chapter XIII Detection of dynamic communities]] p.69)。 一方で、コミュニティの生成・消滅というライフサイクルのイベントを表現できない点、および大規模なネットワークに適用する際の反復計算コストの高さ(スケーラビリティ)が課題として残されている(同 p.69)。Kim and Han はこれらの課題への対処を試みた手法を提案している。 ## 関連 - [[Community detection in graphs]] — 本サーベイのハブ entity。 - [[@2010__PhysRep__Community detection in graphs - Chapter XIII Detection of dynamic communities]] — 本手法を扱う章。 - [[コミュニティ検出]] — 動的コミュニティ検出の代表手法の一つとして位置づけられる。 ## 出典 - [[@2010__PhysRep__Community detection in graphs - Chapter XIII Detection of dynamic communities]] — Lin et al. による提案として言及される(原論文の書誌情報は本章の extract に含まれないため未記載)。