Nov, 2016
复杂网络中社区发现的多个方面
The many facets of community detection in complex networks
Michael T. Schaub, Jean-Charles Delvenne, Martin Rosvall, Renaud Lambiotte
TL;DR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。
Abstract
community detection, the decomposition of a graph into essential building
blocks, has been a core research topic in →
发现论文,激发创造
有向网络中的聚类与社区检测:综述
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
社区发现算法的比较分析
文章测试了多种算法,并针对新的基准图进行了评估,结果表明 Rosvall and Bergstrom、Blondel et al. 和 Ronhovde and Nussinov 三种算法表现出色,并具有低计算复杂度优势,适用于大型网络分析。
Aug, 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
社区发现的深度学习:进展、挑战和机遇
本文介绍了社区检测在科学研究和数据分析中的重要性, 分析了经典社区检测方法的局限性,探讨了基于深度学习的三个研究方向 —— 深度神经网络、深度图嵌入和图神经网络,总结了不同框架、模型和算法的进展和挑战,并探讨了未来研究机遇。
May, 2020