目錄
前言
第1章 引言 1
參考文獻 3
第2章 社區(qū)分析基本知識 4
2.1 社區(qū)發(fā)現的原理 4
2.1.1 社區(qū)的定義 4
2.1.2 社區(qū)發(fā)現的方法分類 6
2.1.3 計算復雜度 8
2.2 數據集與算法的評價指標 9
2.2.1 經典數據集 9
2.2.2 人工數據集產生 13
2.2.3 評價指標 15
參考文獻 21
第3章 社區(qū)發(fā)現經典算法 24
3.1 傳統基于圖分割和譜分析的社區(qū)發(fā)現算法 25
3.1.1 Kernighan-Lin 算法 25
3.1.2 譜劃分 27
3.2 基于圖聚類的社區(qū)發(fā)現算法 32
3.2.1 主要聚類方法分類 32
3.2.2 基于劃分聚類的社區(qū)發(fā)現算法 34
3.2.3 基于層次聚類的社區(qū)發(fā)現算法 37
3.2.4 基于密度聚類的社區(qū)發(fā)現算法 38
3.3 社區(qū)評估指標及目標優(yōu)化常用方法 41
3.3.1 單目標優(yōu)化——模塊度最優(yōu)化算法 43
3.3.2 多目標優(yōu)化算法 54
3.4 基于信息論和概率的社區(qū)發(fā)現算法 63
3.4.1 標簽傳播算法 63
3.4.2 信息編碼算法 67
3.4.3 貝葉斯概率模型 71
3.4.4 基于隨機游走模型的圖分割 74
3.5 基于物理模型的社區(qū)發(fā)現算法 76
3.5.1 派系過濾算法 76
3.5.2 電阻網絡電壓譜分割方法 79
3.5.3 自旋模型 79
3.5.4 基于拓撲勢的網絡社區(qū)發(fā)現方法 81
參考文獻 83
第4章 社區(qū)發(fā)現的新興方法 86
4.1 非重疊社區(qū)發(fā)現方法 86
4.1.1 基于多目標的社區(qū)發(fā)現方法 86
4.1.2 基于遺傳算法的社區(qū)發(fā)現方法 88
4.1.3 基于穩(wěn)定度的社區(qū)發(fā)現方法 89
4.1.4 基于后驗方法的社區(qū)發(fā)現方法 90
4.1.5 基于截斷PageRank 的社區(qū)發(fā)現方法 91
4.1.6 基于果蠅爬山策略的社區(qū)發(fā)現方法 93
4.1.7 基于密度的社區(qū)發(fā)現方法 93
4.1.8 基于動態(tài)距離學的社區(qū)發(fā)現方法 93
4.1.9 其他社區(qū)發(fā)現方法 96
4.2 重疊社區(qū)發(fā)現方法 96
4.2.1 重疊社區(qū)發(fā)現的定義及相關概念 96
4.2.2 結合隱式鏈接偏好的重疊社區(qū)發(fā)現方法 97
4.2.3 利用鏈路空間變換的重疊社區(qū)發(fā)現 101
4.2.4 從局部譜子空間檢測重疊社區(qū)方法 109
4.2.5 重疊社區(qū)檢測的局部種子選擇方法 109
4.2.6 基于邊聚類的重疊社區(qū)發(fā)現方法 110
4.2.7 基于最大團的重疊社區(qū)發(fā)現方法 111
4.3 屬性網絡社區(qū)發(fā)現方法 112
4.3.1 屬性網絡社區(qū)發(fā)現研究綜述 112
4.3.2 基于數據融合角度的大規(guī)模網絡重疊社區(qū)發(fā)現方法 122
4.3.3 屬性網絡社區(qū)發(fā)現的其他方法 123
4.4 本章小結 124
參考文獻 124
第5章 虛擬社區(qū)演化 127
5.1 動態(tài)網絡 127
5.1.1 動態(tài)網絡分析 127
5.1.2 動態(tài)社區(qū)發(fā)現與社區(qū)演化 127
5.2 社區(qū)演化模型 128
5.2.1 基于核節(jié)點的社區(qū)演化模型 128
5.2.2 帶權社區(qū)的涌現模型 130
5.2.3 基于圖模體的GMM 132
5.3 演化社區(qū)發(fā)現算法 133
5.3.1 基于動態(tài)增量的演化社區(qū)發(fā)現 133
5.3.2 基于距離增量的演化社區(qū)發(fā)現 136
5.3.3 基于博弈論的社會網絡動態(tài)社區(qū)檢測 139
5.3.4 基于多模式聚類的演化社區(qū)發(fā)現 141
5.3.5 基于拉普拉斯動力學方法的演化社區(qū)發(fā)現 143
5.3.6 基于差分演化的演化社區(qū)發(fā)現 144
5.3.7 基于相鄰時刻相似度比較的演化社區(qū)發(fā)現 146
5.4 演化分析框架 147
5.4.1 基于事件的社區(qū)網絡演化分析 147
5.4.2 基于角色的社區(qū)網絡演化分析 152
5.4.3 基于獨立社區(qū)發(fā)現的演化分析 156
5.4.4 基于網絡融合的演化分析 157
5.4.5 基于演化聚類平滑性的演化分析 157
5.4.6 基于節(jié)點行為的社區(qū)演化分析 158
5.4.7 基于張量分解的社區(qū)演化分析 159
5.5 社區(qū)演化評價 164
5.5.1 基于時空獨立評價的方法 165
5.5.2 基于時空集成評價的方法 165
5.5.3 基于統一評價的方法 167
參考文獻 170
第6章 社區(qū)分析與其他領域交叉研究 173
6.1 基于社區(qū)分析的情感研究 173
6.1.1 基于多元情感行為時間序列的社交網絡用戶聚類分析 173
6.1.2 社交網絡情感社區(qū)發(fā)現研究 176
6.2 基于社區(qū)分析的預測方法 178
6.2.1 基于社區(qū)結構的鏈接預測和屬性推斷聯合解決方法 178
6.2.2 面向多模社交網絡的聚類信任預測 180
6.3 異質網絡中的聚類和排序算法 182
6.3.1 異質網絡中的社區(qū)發(fā)現 182
6.3.2 基于排序的聚類問題研究 188
6.4 社區(qū)分析在推薦系統的應用 189
6.4.1 社會化推薦 190
6.4.2 基于社區(qū)的組推薦模型 191
6.4.3 其他有關社區(qū)分析的推薦算法 192
6.5 其他研究 194
6.5.1 社區(qū)分析在實體消歧領域的應用 194
6.5.2 基于社區(qū)分析的鏈路預測 200
6.6 本章小結 206
參考文獻 206
第7章 社區(qū)發(fā)現與演化分析快速計算方法 209
7.1 圖并行計算框架 209
7.1.1 面向大圖數據的并行計算模型 209
7.1.2 基于內存的并行計算模型 215
7.2 圖挖掘的快速計算 221
7.2.1 大規(guī)模圖數據處理問題 221
7.2.2 圖挖掘快速計算：增量式計算實例 222
7.2.3 圖挖掘快速計算：并行計算實例 229
7.3 并行社區(qū)發(fā)現與演化分析 234
7.3.1 基于Spark 的并行大型多維網絡分析 234
7.3.2 一種可擴展的非重疊社區(qū)發(fā)現算法框架 236
7.3.3 基于MapReduce 框架的社區(qū)發(fā)現并行計算方法InfoMR 237
7.3.4 基于鏈路圖的大規(guī)模網絡并行重疊社區(qū)發(fā)現算法 238
7.3.5 基于GraphLab 框架的重疊社區(qū)發(fā)現并行計算方法：DOCVN 245
7.4 并行社區(qū)發(fā)現評估及應用 249
7.4.1 傳統社區(qū)發(fā)現評價指標 249
7.4.2 并行社區(qū)發(fā)現評價指標 250
參考文獻 253
第8章 社區(qū)分析算法評測平臺 256
8.1 評測平臺綜述 256
8.1.1 現有的評測方法與平臺 256
8.1.2 本平臺的設計目標 259
8.2 平臺框架與功能設計 260
8.2.1 技術背景 260
8.2.2 整體設計 263
8.2.3 功能設計 268
8.3 平臺的擴展 277
8.4 平臺操作案例 280
8.4.1 數據角度 280
8.4.2 算法角度 282
8.4.3 指標角度 287
8.5 平臺使用實例 290
參考文獻 294
第9章 總結 296
參考文獻 298