본 논문은 사회 네트워크에서 위상 및 속성 유사성을 활용하여 응집력 있는 노드 그룹(커뮤니티)을 발견하는 커뮤니티 탐지 문제를 다룬다. 기존의 그래프 합성곱 신경망(GCN)은 모듈성을 극대화하도록 훈련되지만, 종종 최적이 아닌 해에 수렴하는 문제가 있다. 또한, 사람이 직접 라벨링한 커뮤니티를 훈련에 직접 사용하면 노드 속성만을 기반으로 연결되지 않은 노드를 그룹화하여 위상적 응집력을 약화시킬 수 있다. 본 논문에서는 위상 및 속성 유사성 기반 커뮤니티 탐지(TAS-Com)라는 새로운 방법을 제안하여 이러한 문제를 해결한다. TAS-Com은 전역적으로 최적의 모듈성을 가진 커뮤니티 구조를 탐지하기 위해 효율적이고 확장 가능한 Leiden 알고리즘을 활용하는 새로운 손실 함수를 도입한다. Leiden 알고리즘은 각 커뮤니티 내 연결성을 보장하도록 사람이 라벨링한 커뮤니티를 개선하는 데에도 사용되며, 이를 통해 TAS-Com은 모듈성과 사람의 라벨 준수 사이의 바람직한 절충안을 가진 커뮤니티 구조를 탐지할 수 있다. 여러 벤치마크 네트워크에 대한 실험 결과는 TAS-Com이 여러 최첨단 알고리즘을 상당히 능가함을 확인한다.
