本文介绍了一种分析交织在一起的重叠社区的方法，以揭示复杂网络的模块化结构。经过定义一组新的特征量进行统计分析，发现网络中的重叠显著，并揭示出网络的普遍特征。通过对合作，词汇关联和蛋白质相互作用图的研究表明，社区网络具有非平凡的相关性和特定的比例关系。

Jun, 2005

本文介绍了一种针对有向网络的社群发现方法，利用广泛使用的收益函数 - 模块度，通过将边方向的信息纳入，通过寻找网络可能的分割来最大化模块度，进而利用相应的模块度矩阵的特征向量得到社群结果，并证明该方法在各种测试网络上比以往方法产生更好的结果。

Sep, 2007

通过改进算法的方式，基于特征矩阵的谱算法检测网络数据的社区结构，运行时间比模拟退火等竞争方法更短且获得更好质量的结果。

Feb, 2006

本研究介绍了一种基于适应度函数本地优化的算法，能够发现复杂网络中的社区结构、嵌套社区和重叠社区，可以通过调整参数来探索不同层次的组织结构水平。在真实网络和人工网络上进行了测试，取得了优异的结果。

Feb, 2008

本研究发现模块度优化在网络分区时可能无法识别一些小规模的模块，因此探讨在实际应用中的实际后果和解决方法。

Jul, 2006

该文研究了结构和动态的网络中的群体（communities），将其重新构想为链接组成的群体而不是节点，发现这种非传统的方法成功地调和了重叠群体和层级组织的对立组织原则，找到了许多网络中的相关链接社区，包括大型社交网络，结果表明链接社区是揭示网络中重叠和层级组织的基本构建块。

Mar, 2009

该论文对有向网络的聚类算法进行了深入的综述，介绍了基本概念和方法学基础，并从方法论原理和好的群集特性的角度讨论了聚类算法。此外，还介绍了图聚类结果的评估方法和指标，展示了有趣的应用领域，并提出了未来的研究方向。

Aug, 2013

新的信息理论方法揭示加权和定向网络中的社区结构，例如 6000 多种期刊的引用模式，发现多中心组织以及学科之间的定向引用模式。

Jul, 2007

提出了基于最大化模块度值的极端优化方法，用于发现复杂网络中的社区结构，结果超越现有算法，具有高效和准确性，可以用于大型复杂网络中的社区结构精确识别。

Jan, 2005

该研究论文旨在探讨一种基于动力学的社区检测方法，并结合已有的启发式方法，提出一个新的计算准则来解释社区结构的不同方面和问题。

Aug, 2013