基于统计推理的社区发现模型综述
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 年提出了一些基于统计推理的社区发现方法，其可识别实际网络中更多的潜在结构，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的主要问题和未来发展的方向。
社区发现 概率模型 随机块模型 统计推理 混合隶属度
柴变芳 贾彩燕 于剑
北京交通大学 计算机与信息技术学院 北京 100044;石家庄经济学院 信息工程系 河北石家庄 050031 北京交通大学 计算机与信息技术学院 北京 100044
国内会议
长春
中文
1-15
2012-08-04（万方平台首次上网日期，不代表论文的发表时间）