简介：

简介：对复杂网络社团结构问题进行了综述。介绍了无权无向网络中社团结构的定义、探索社团结构的算法及算法的评价标准和检验网络。重点总结与类比了具有代表性的算法及其在检验网络上得到的结果，并依据这些结果和评价标准对算法进行了评述。部分地概括了原有算法在加权无向网络中的推广方法。最后对部分社团结构算法的特点进行了横向的比较，对社团结构与网络功能的研究进行简略介绍，并对社团结构研究的发展做出展望。

简介：针对现有的社团划分算法过分粒度化和基于模块度优化存在的局限性，本文引入万有引力的思想，假设社团是由节点之间存在虚拟力牵引聚集而成，提出了一种基于虚拟力作用的社团划分算法。在已知社团结构的真实网络中与GN算法、CNM算法等经典算法对比测试，发现本算法不仅能够给出更加准确的网络的社团结构，还具有较高可靠性和接近线性的时间复杂度。

简介：考虑到很多现实网络具有社团结构和小世界特性,提出结构强度可调的具有社团结构的动态小世界网络模型,它能模拟现实生活中的本地接触和移动接触现象,并基于平均场理论,建立该网络上的SIR病毒传播模型。研究表明：社团间长程移动率越大,病毒传播临界值越小,传播规模越大;社团结构越强,传播临界值越大,即强社团结构抑制病毒传播;另外,加强对社团间长程移动的控制,对控制病毒爆发具有重要作用。

简介：利用股票价格波动时间序列的相关特性，基于同步理论研究股票网络的社团结构。通过对关联矩阵的谱分析确定股票网络中存在复杂的社团结构。随后，利用基于Kuramoto模型的同步聚类算法对网络节点（股票）进行动态分组，由局部序参量确定算法的收敛性并得到稳定的社团结构。通过与快速社团检测算法的对比验证，表明基于Kuramoto模型的同步聚类算法能够正确得到股票网络的社团结构，且更符合股票的属性分类。

简介：社团结构是复杂网络中普遍存在的一种特征。本文应用改进了的谱分法将网络的社团探测问题转换为聚类分析问题,并将Girvan和Newman提出的模块度函数概念应用到聚类分析的4类算法中进行社团结构的探测,特别提出了一种新的结合模块度的聚类遗传算法。然后用3种类型的网络实验算例验证了本文算法的有效性,并对实验结果进行了比较分析,得出本文提出的新算法在初始化敏感性和准确性方面效果较好。最后指出本文算法的进一步研究方向。

简介：传统的局部适应度社团发现算法（LFM）在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明：在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。

简介：许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.

简介：利用社团网络的统计特性，提出一种适于社团网络线性时间复杂度的多社团识别算法。构造复杂网络中节点的权重计算函数，进而生成计算序列，用迭代算法对复杂网络各种类型的节点进行集合分配。通过多个不同规模的网络结构数据对算法的性能进行测试，实验结果表明该算法时间复杂度为线性，能够在较短时间内对复杂网络中的社团数和社团结构进行发现，该算法还表现出对不同密度网络社团识别良好的适应性。

简介：基于当前复杂网络中社团划分算法普遍存在算法复杂度过高以及重叠节点挖掘不准确的局限性,提出了一种高效、快速、准确的社团划分算法。基于贪婪算法,建立最大模块度矩阵,并采用堆数据结构,划分非邻域重叠社团。通过分析局部网络的连边情况,计算邻域社团的划分密度,以准确挖掘社团间的重叠节点。新算法经过仿真分析和实证研究表明,算法复杂度降到近线性。

简介：考虑许多现实网络具有社团结构,通过引入模块化系数,并在该系数合理范围控制下基于随机网络生成社团网络模型以模拟现实社会网络.通过平均场方法研究网络上的病毒传播动力学行为,推导传播阈值表达式,并用蒙特卡罗仿真加以验证.研究表明：社团结构的存在使得网络度分布发生变化,即社团结构越强,度分布越宽;同时,社团结构越强,病毒越易爆发;另外,传染率远大于阈值时,不同强度的社团结构网络的传播规模趋于一致,即网络结构对传播规模影响不大.

简介：为了解决二分网络的聚类问题，借鉴单顶点网络社团结构的比较性定义，提出了直接基于原始二分网络社团结构的比较性定义，这个定义允许社团之间存在重叠，并定义了在二分网络中顶点与社团之间的作用力。在不引进额外参数的情况下，设计了基于此定义的二分网络的聚类算法，并将此算法应用于人工网和一些实际网络中，结果表明这个算法可以比较准确地对网络进行聚类，说明该定义是有效的。