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
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
描述了一种基于分布式网络模型的重叠社区检测方法,使用了快速的期望最大化算法对数百万节点的网络进行分析,可用于提取非重叠的社区划分。
Apr, 2011
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
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
本文论述如何应对集合多种网络数据的任务,并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。
Jun, 2016
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
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
通过节点的标签传播,本文提出了一种在大规模网络上检测社区结构的算法,不需要预先知道社区数量和大小,并且计算效率高;实验证明该算法与先前算法相比具有更高的计算速度。
Sep, 2007