文献类型：期刊文章

作　　者：赵卫绩[1,2] 张凤斌[1] 刘井莲[2,3]

ZHAO Wei-ji;ZHANG Feng-bin;LIU Jing-lian(School of Computer Science and Technology,Harbin University of Science and Technology,Harbin 150080,China;School of Information Engineering,Suihua University,Suihua,Heilongjiang 152061,China;School of Computer Science and Engineering,Northeastern University,Shenyang 110819,China)

机构地区：[1]哈尔滨理工大学计算机科学与技术学院,哈尔滨150080 [2]绥化学院信息工程学院,黑龙江绥化152061 [3]东北大学计算机科学与工程学院,沈阳110819

出　　处：《计算机科学》

基　　金：国家自然科学基金(61172168,61772122);黑龙江省省属高校基本科研业务费科研项目(KYYWF10236180104,KYYWF10236180207)~~

年　　份：2020

卷　　号：47

期　　号：2

起止页码：10-20

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：近年来,随着现代网络通信和社会媒体等技术的飞速发展,复杂网络成为多学科交叉研究的热点之一,社区发现是复杂网络中的一个重要问题,对其进行研究具有重要的理论意义和应用价值。该问题吸引了多个学科领域的众多学者的关注,并且已有许多社区发现算法被提出。已有的社区发现综述多是侧重某一方向或特定领域展开,基于此,文中在之前工作的基础上,对国内外社区发现工作进行了深入调研,较全面地阐述了复杂网络社区发现的研究现状。首先,针对不同网络结构,给出社区发现的问题定义和主要的评价指标。然后,介绍了不同网络结构中的经典社区发现算法,包括同质网络中的全局社区发现、局部社区发现算法,异质网络中的二分网络、三分网络和多分网络中的社区发现,结合节点内容和连接结构的社区发现算法,以及动态网络中的社区发现和社区演化工作。最后,简要介绍了社区发现的典型应用,包括影响最大化、链路预测和情感分析领域的应用。此外,探讨了当前社区发现研究面临的主要挑战,试图为社区发现研究领域勾画一个较为清晰和全面的轮廓,为初学者提供指引。

关 键 词：社区发现  社区结构  同质网络  异质网络 动态网络

分 类 号：TP391]