有向网络中的聚类与社区检测：综述

Aug, 2013

有向网络中的聚类与社区检测：综述

Clustering and Community Detection in Directed Networks: A Survey

Fragkiskos D. Malliaros, Michalis Vazirgiannis

TL;DR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。

Abstract

Networks (or graphs) appear as dominant structures in diverse domains, including sociology, biology, neuroscience and computer science. In most of the aforementioned cases graphs are directed - in the sense that there is directionality on the edges, making the semantics of the edges non symmetric. An interesting feature that real networks present is the clus

directed networks community detection clustering algorithms graph topology evaluation metrics

发现论文，激发创造

图中社区检测的综述

复杂网络中的社区结构及社区检测方法的综述，涵盖了图的算法和现实应用领域。

Sep, 2023

图形中的社区检测

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

复杂网络中社区发现的多个方面

本文聚焦于介绍社区检测在网络科学研究中不同的动机，指出社区检测的许多研究方向和未来的研究方向。

Nov, 2016

有向网络中的社区结构

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

网络中的社区检测：用户指南

本研究论文探索了网络中社区检测的一些关键问题，探讨了社区的定义、算法以及验证方法，并指出了现有方法的优缺点和发展方向。

Jul, 2016

关于群聚网络价值数据

本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。

Jun, 2016

网络中的社区

本文概述了社区检测的一些概念、方法和应用，介绍了可用的方法论和开放性问题，并讨论了各个领域科学家感兴趣的原因。同时，本文强调了社区检测与统计物理和计算优化问题的关联。

Feb, 2009

社区检测方法综述：从统计建模到深度学习

本文提出了一种网络社区发现方法的统一架构，对现有的社区检测方法进行了全面的综述，并将现有的方法分为两类：概率图模型和深度学习。作者还释放了几个基准数据集，并概述了这些数据集的应用。该研究为进一步研究这一领域的挑战和未来方向提供了基础。

Jan, 2021

基于深度学习的社区发现综述

本文对近年来深度学习在社区检测领域的最新进展进行了全面概述，提出了包括深度神经网络、深度非负矩阵分解和深度稀疏滤波在内的多种先进方法，总结了常用的基准数据集和评估指标，并讨论了社区检测在不同领域的实际应用和实现场景，并提出了未来的研究方向。

May, 2021

社交和生物网络的社区结构

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