社区发现(Community Detection)相关介绍

    小弟最近学习了一些社区发现的东西，相关知识总结到这里，供大家一同学习研究。

    首先是复杂网络社区发现的一些算法介绍：

    http://blog.csdn.net/loptimistic/article/details/8173555    相关算法的综述介绍

    http://blog.sciencenet.cn/blog-798640-677758.html    社区发现算法简介

    http://blog.sina.com.cn/s/blog_63891e610101722t.html    复杂网络社区发现方法总结

     http://www.cloga.info/2012/12/24/%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90%E4%B8%8E%E5%9B%BE%E7%AE%80%E4%BB%8B/    网络分析与图简介

 

    具体算法介绍：

    http://blog.csdn.net/peghoty/article/details/9286905?reload    社区发现(Community Detection)算法，介绍了LPA、SLPA、HANP、BMLPA、Fast Unfolding算法

    http://greatpowerlaw.wordpress.com/2013/02/08/community-detection-lpa/   Community Detection – Label Propagation算法 

    《Fast unfolding of communities in large networks》：介绍Fast Unfolding的论文，据说154min内能处理118million nodes的数据！

    

    相关工具方法：

    http://blog.sciencenet.cn/blog-404069-297233.html    介绍几个图论和复杂网络的程序库

    http://www.zhizhihu.com/html/y2012/3912.html    iGraph库中Community Detection方法比较

    http://igraph.wikidot.com/community-detection-in-r#toc4    Community Detection In R

    Gephi（https://gephi.org/）：一款开源免费跨平台基于JVM的复杂网络分析软件, 其主要用于各种网络和复杂系统，动态和分层图的交互可视化与探测开源工具。可用作：探索性数据分析，链接分析，社交网络分析，生物网络分析等。——来自百度百科

    Graphchi：有CMU的select实验室开发，用一台Mac Mini在59分钟内分析完Twitter2010年的所有数据。

     

     以上是小弟的搜刮的一些资料。个人感觉这些社区发现(Community Detection)的相关方法大体分为两类：1.graph方法；2.clustering方法。但是个人感觉这些方法都只考虑到了Community的物理意义，而没有体现出Community本身的一些特性，只是通过一些度量方法把Community检测了出来，但是并没有得到这些社区具体的意义，考虑是否可以尝试一下半监督的学习方法来解决。只是个人的一点小想法，有不妥之处，还请大家指正。