本文介绍了网络划分的稳定性，一种动态过程的质量测量方法，能够以不同的分辨率发现社区结构。通过 Laplacian 动力学与社区检测的联系，我们建立了动态动机稳定性度量，并将其应用于不同网络的多尺度分区中，表明稳定性可以用当前算法的扩展版本有效地计算大规模网络。

Dec, 2008

通过对图中 Markov 过程的聚类自协方差进行定义，我们认为一个分区的质量可以用其稳定性来衡量，因为该稳定性与图的时间尺度有本质关联，它允许我们在不同时间段对分区进行比较和排名，并建立一种层次化的越来越粗放集群的内在分辨率参数。

Dec, 2008

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

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

通过采用动态视角和马尔可夫过程，本文展示了长程社群结构的检测。这一新颖方法使得算法可以检测所有尺度上的社群结构，不需要强行设定一个上限，从而避免了由于尺度设置不当导致的社群过度划分问题。

Sep, 2011

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

本文介绍了复杂网络的社区结构，从 M.Newman 提出的模块度函数评估社区分解的优劣开始，将其扩展到具有重叠社区结构的定向图的更一般情况，并提出了一种找到重叠社区的方法和基准案例研究的结果。同时提出了一个可用作重叠社区结构识别的参考基准的新数据集。

Jan, 2008

通过具备多重尺度的完全描述网络层次结构的嵌套概率模型，可避免现有方法的局限性，在更高的分辨率下检测模块化结构并确保不产生伪模块，且具有一般性和可扩展性，适用于大型网络的高效算法

Oct, 2013

研究网络的 meso-scale 特征，使用不同的 community-identification 程序，比较不同的 community 大小，识别多个 size-resolved 的 community 结构，并提出局部偏置方法比全局 community-detection 方法更实用，同时也强调 better benchmark 网络的重要性。

Mar, 2014

利用基于模块度优化的启发式算法提取大型网络的社群结构，并且证实它的优越性和精准性在比利时移动电话网络和超过 10 亿个链接的网络图中得到了很好的效果。

Mar, 2008