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

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

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

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

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

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

本文描述了一种快速检测具有社群结构的网络的新算法，并给出了各种应用实例，比之前的算法更加高效。

Sep, 2003

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