本研究提出了一种可适应实际数据的分布式可生成网络模型 BTER，该模型可用于社交网络等具有社区结构的图形的生成和性能评估，并实现了一个可扩展的实现，在模拟包含 46 亿条边的真实 web 图形时获得更好的延展性和数据拟合度。

Feb, 2013

本文提出了一种基于内部社区优先附着和社区间优先附着机制的演化网络模型，分析了此网络模型的度分布，理论结果和数值模拟表明，该网络模型具有社区结构和无标度特性。

Oct, 2005

本研究关注于网络系统的统计特性，特别是网络的小世界属性、幂律度分布、网络传递等特性。我们还提出了一种新的方法来检测紧密结合的节点组成的社区结构，使用中心性指数来确定社区边界。我们在计算机生成的和真实世界的图上测试了该方法，并发现它以高度的灵敏度和可靠性检测出社区结构。我们还将该方法应用于两个社区结构不好知道的网络 - 一张协作网络和一张食物网络，并发现它在两种情况下都能检测出有意义的社区划分。

Dec, 2001

通过以图分割问题为基础的近似算法，定义了 “网络社区概要图”，来表征不同规模网络中最佳社区的结构，实证研究了 100 多个实际网络，在大型网络中发现与小型不同的社区结构，发展出 “森林火灾” 生长过程为基础的图生成模型。

Oct, 2008

这篇研究论文讨论了网络科学中一个重要的问题 —— 发现社群结构的方法和应用，分析了该问题的主要元素和当前已有的各种方法，重点介绍了统计物理学家们开发的技术。

Jun, 2009

该研究提出了一种新的用于量化单个社群统计显著性的方法，通过使用极端值和排序统计学来预测随机图中簇相关的统计数据，进而成功地应用于真实世界网络的社群显著性评估。

Jul, 2009

研究使用小子图的观察频率之间的关系来测试网络结构的问题，证明了在 Erdős-Rényi 空模型下的 T2，T3 的中心极限定理，并分析了与一般类别的替代模型相关的 χ2 检验统计量的功率。

Apr, 2017

本研究提出了一套算法用于发现网络中的社群结构，算法基于边的 “介数” 指标进行网络拆分，并针对性的进行度量评估，研究结果表明这些算法对于计算机生成和现实世界中的网络数据发现社群结构非常有效，可为我们探索复杂的网络系统结构提供帮助。

Aug, 2003

考虑在稀疏随机网络中检测紧密社区的问题，将其形式化为在随机图中测试是否存在密集子图。在本文中，我们研究渐近稀疏情况下的信息理论下限，并比较了各种测试方法的性能，发现我们的检测边界是尖锐的。

Aug, 2013

本文介绍了一种新的基准图以测试社区检测算法，并与当前常用的基准图进行比较，结果表明这种新的基准图对算法的测试要比标准基准图更具挑战性。

May, 2008