节点属性社交网络中的社区检测:一项调查（CS SI）

• 2019 年 12 月 29 日
• 筆記

原文题目：Community detection in node-attributed social networks: a survey

社区检测是社会网络分析组成的基本问题社区检测是社会网络分析中的一个基本问题，它大致包括将具有一定社会联系的社会行为者划分为紧密联系的、高度相关的群体，每个群体与其他群体之间有很大的距离(包含建模为节点)建模为边缘)。传统的社区检测方法通常只处理网络的结构，而忽略了节点的特征，尽管现实世界中的主要网络提供额外的参与者信息，如年龄、性别、兴趣等，传统上称为节点属性。众所周知，这些属性可以澄清和丰富关于参与者的知识，并使被检测的社区有意义。这为社区检测带来了一个相对新颖的方向——利用网络的结构和属性(已经通过节点属性图建模)构建算法，从而产生更有信息性和定性的结果。在过去的十年中，在这个方向上出现了许多基于不同思想和技术的方法。虽然对这些方法存在一些片面的概述，但由于方法数量的不断增加可能在实践中造成不确定性，近期的调查是必要的。在这篇文章中，我们通过提出一个明确的方法分类来阐明总体情况，并对可用的结果进行全面的调查。我们不仅对相应的方法进行了分组和分析，还着重于实践方面，包括信息，哪些方法优于其他方法，哪些数据集和质量措施用于评价。

原文作者：Petr Chunaev

原文地址：http://cn.arxiv.org/abs/1912.09816v1