复杂网络社区挖掘综述

被引：71

作者：

刘大有 ^{[1
,2
]}

金弟 ^{[3
]}

何东晓 ^{[1
,2
]}

黄晶 ^{[1
,2
]}

杨建宁 ^{[1
,2
]}

杨博 ^{[1
,2
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 符号计算与知识工程教育部重点实验室(吉林大学)

[3] 天津大学计算机科学与技术学院

来源：

计算机研究与发展 | 2013年 / 50卷 / 10期

基金：

天津大学自主创新基金;

关键词：

复杂网络; 社区结构; 社区挖掘; 重叠社区挖掘; 网络聚类;

D O I：

暂无

中图分类号：

O157.5 [图论];

学科分类号：

摘要：

复杂网络社区挖掘是近10年来多学科交叉的前沿研究热点之一,其研究不仅有重要的理论意义,而且有广泛的应用前景.介绍了社区挖掘及重叠社区挖掘的研究背景和研究意义,分析了研究现状,讨论了该研究所面临的一些主要问题及未来的发展方向.同时,为了对不同的社区挖掘算法进行更好地评估,选择了有代表性的6个社区挖掘算法和3个重叠社区挖掘算法进行测试,并给出了对比分析结果,试图为这个新兴研究领域勾画出一个较为全面和清晰的轮廓.

引用

页码：2140 / 2154

页数：15

共 15 条

[1] 复杂网络簇结构探测——基于随机游走的蚁群算法 [J].

金弟 ;

杨博 ;

刘杰 ;

刘大有 ;

何东晓 .

软件学报, 2012, 23 (03) :451-464

[2] 基于局部探测的快速复杂网络聚类算法 [J].

金弟 ;

刘大有 ;

杨博 ;

刘杰 ;

何东晓 ;

田野 .

电子学报, 2011, 39 (11) :2540-2546

[3]

局部搜索与遗传算法结合的大规模复杂网络社区探测[J]. 金弟,刘杰,杨博,何东晓,刘大有.自动化学报. 2011(07)

[4]

复杂网络社区挖掘—基于聚类融合的遗传算法[J]. 何东晓,周栩,王佐,周春光,王喆,金弟.自动化学报. 2010(08)

[5] 基于k最近邻网络的数据聚类算法 [J].

金弟 ;

刘杰 ;

贾正雪 ;

刘大有 .

模式识别与人工智能, 2010, 23 (04) :546-551

[6] 复杂网络聚类方法 [J].

杨博 ;

刘大有 ;

金弟 ;

马海宾 .

软件学报, 2009, 20 (01) :54-66

[7]

Advanced modularity-specialized label propagation algorithm for detecting communities in networks[J] . X. Liu,T. Murata.Physica A: Statistical Mechanics and its Applications . 2009 (7)

[8]

Community detection in graphs[J] . Santo Fortunato.Physics Reports . 2009 (3)

[9]

Detecting the overlapping and hierarchical community structure in complex networks[J] . Andrea Lancichinetti,Santo Fortunato,János Kertész.New Journal of Physics . 2009 (3)

[10]

Fast unfolding of communities in large networks[J] . Vincent D Blondel,Jean-Loup Guillaume,Renaud Lambiotte,Etienne Lefebvre.Journal of Statistical Mechanics: Theory and Experiment . 2008 (10)

← 1 2 →