多元谱社区检测在网络中

Jun, 2015

Multiway spectral community detection in networks

Xiao Zhang, M. E. J. Newman

TL;DR该研究旨在提出一种更高效的基于谱的算法来实现网络社区的检测和划分，该算法基于调整后的模块度矩阵与特征向量，能够将网络分成任意数量的社区。经过实现和测试，该算法在分割不平衡的网络时表现明显优于之前的算法。

Abstract

One of the most widely used methods for community detection in networks is the maximization of the quality function known as modularity. Of the many maximization techniques that have been used in this context, some of the most conceptually attractive are the spectral methods, which are

community detection modularity maximization spectral algorithm network partitioning eigenvectors

发现论文，激发创造

使用矩阵特征向量在网络中寻找社区结构

本研究考虑检测网络中的社群或模块，发现这种过程可以通过 “模块度量” 函数的最大化来实现，而这个函数可以用所谓的 “模块度量矩阵” 的特征谱表示，而我们从中得出了几个可能的算法和中心度量，并在各种真实世界的复杂网络中验证它们。

May, 2006

网络中的模块性和社区结构

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

探测网络社群：一种新的系统化高效算法

本文介绍了一种利用图拉普拉斯矩阵的谱特性，结合分层聚类技术和包含最大化输出模块化程度处理的高效且相对较快的检测复杂网络中社区的算法，并将其性能与其他现有方法在不同的复杂网络实例中应用进行了比较。在所有测试案例中，我们的结果都至少与任何其他方法获得的最佳结果一样好，大多数情况下比提供类似质量结果的方法更快，这使得该算法成为检测和分析复杂网络中社区和模块化结构的有价值的计算工具。

Apr, 2004

图谱与网络中社区结构的可检测性

本研究研究了具有社区结构的网络，并使用随机矩阵理论中的方法，在大尺寸的极限下计算了这些网络的特征值，并因此证明了矩阵方法在社区检测方面的相变存在，为最优检测模式提供了证明。

May, 2012

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

使用谱方法检测网络中的重叠社区

本文介绍了一种用于网络分析中的重叠社区检测的生成模型，结合了 K - 中位数算法和谱聚类算法，且在网络不太稀疏、社区重叠不太大的情况下具有一致性，模拟和真实社交网络实验结果表明我们的方法表现优于传统方法。

Dec, 2014

社群检测中近似、启发式和图神经网络算法中的模块化最大化分析

分析表明，常用的基于模块性的方法在发现社区结构时很少产生最优划分或最接近最优划分的划分，因此，推荐使用近似优化算法以在方法适用范围内更加方法论严谨地使用模块性。

Oct, 2023

基于模块度最大化及其变体的社区检测

介绍了用于社区检测的度量学，讨论了不同算法中面临的限制问题，并提出了同时避免这些问题的 Modularity Density 度量学。提出了两种精细调整的社区检测算法，并证明了其中基于 Modularity Density 度量学的 Fine-tuned Qds 算法是最有效的。

Jul, 2015

谱救赎：稀疏网络的聚类

基于非回溯行走的新型谱算法优于传统谱聚类算法，特别是对于稀疏网络，因维护大量特征值与社区相关，因此在社区探测方面更为优异。

Jun, 2013

光谱聚类和高维随机块模型

本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。

Jul, 2010