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
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
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
本文提出了自动确定 Stochastic Blockmodel 所生成的图中聚类数的方法。通过剖析相应的邻接矩阵的主特征值限制分布并用于假设检验，提出了一个递归二分算法，该算法在真实世界的定量分类任务中表现优于现有概率模型，并且在未标记的网络中揭示出嵌套的社区结构。
Nov, 2013
本文探讨了一些网络社区检测方法，比较它们的性能和系统偏差；评估了用于形式化网络社区概念的几种常见目标函数，并研究了几种旨在优化这些目标函数的近似算法。此外，本论文还考虑了问题的大小解决版本，从社区大小的角度来考虑社区质量，以更好地检验社区检测算法，因为目标函数和近似算法通常具有不明显的大小依赖行为。
Apr, 2010
提出了一种基于社区提取而非划分的新框架，该提取方法一次只提取一个社区，以避免将每个节点强制归入社区而扭曲结果，其性能在模拟和真实网络上表现良好，并在模型假设下确立了我们方法的渐近一致性。
May, 2010
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
我们提出了一种基于广义线性（混合）模型的基于模型的聚类方法，用于描述网络人口的联合分布并识别共享某些感兴趣的拓扑性质的网络子人口，最大似然估计可通过 EM 算法实现。
Jun, 2018
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
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