基于统计推理的社区发现模型综述

摘要：

社区有助于揭示复杂网络结构和个体间的关系.研究人员从不同视角提出很多社区发现方法,用来识别团内紧密、团间稀疏的网络结构.自2006年以来,提出了一些基于统计推理的社区发现方法,它们可识别实际网络中更多的潜在结构,并以其可靠的理论基础和优越的结构识别能力成为当前的主流.该类方法的主要目标是建立符合实际网络的生成模型以拟合观测网络,将社区发现问题转化为贝叶斯推理问题.首先给出社区发现中生成模型的相关定义；其次按照模型中社区组成元素将已有统计推理模型分为节点社区推理模型和链接社区推理模型,并深入探讨各种模型的设计思想及实现算法；再次,总结各模型适用的网络类型及规模、发现的社区结构、算法复杂度等,给出一种选择已有基于统计推理的社区发现模型的方法,并利用基准数据集对已有典型统计推理模型进行验证及分析；最后探讨了基于统计推理模型的社区发现存在的主要问题和未来发展的方向.

关键词：社区发现、概率模型、随机块模型、统计推理、混合隶属度

所属期刊栏目：39

分类号：TP3;G63

资助基金：国家自然科学基金项目61033013;北京市自然科学基金4112046;河北省自然科学基金项目F2008000204

在线出版日期：2012-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-7,30