Naukowcy opracowali LUCID, nową metodę do wykrywania społeczności w grafach, która wykorzystuje możliwości dużych modeli językowych bez konieczności trenowania modelu. Zamiast tradycyjnych podejść, metoda opiera się na czterech etapach inspirowanych procesami przejść fazowych obserwowanymi w przyrodzie: inicjalizacją, łączeniem, rafinacją i selekcją społeczności.
Algorytm działa w sposób zasadniczo różny od dotychczasowych rozwiązań. W pierwszym etapie koduje lokalne struktury grafu, wykorzystując konteksty k-ego i nienadzorowane role węzłów. Następnie model LLM indukuje reguły logiczne, które są stosowane do iteracyjnego łączenia lokalnych społeczności. Trzeci etap refinery marginalne szumy poprzez aplikację reguł coarse-to-fine w równoległy sposób, a ostatni etap wybiera społeczności wysokiej jakości bazując na właściwościach topologicznych.
To podejście rozwiązuje kluczowy problem istniejących metod - tradycyjne podejścia oparte na optymalizacji celów walczą ze złożonymi strukturami grafów, a głębokie uczenie wprawdzie poprawia wydajność, ale kosztem interpretowalności i wymaga danych treningowych. LUCID natomiast jest bezpieczny dla użytkownika, nie wymaga etykiet i dostarcza jawne, zrozumiałe dla człowieka wyjaśnienia decyzji.