社團發現

社團發現是計算機科學技術領域中的一種方法，旨在識別複雜網路中的社團結構（內部連線緊密、外部連線稀疏的節點集合）。2021年，《計算機科學》期刊提出了結合深度神經網路與網路表示學習的深度社團發現方法，該方法通過構建社團結構矩陣和聚類策略有效提高了社團識別的準確性和效率。

基本介紹

• 學科：計算機科學 
• 套用領域：複雜網路分析 
• 相關技術：網路表示學習 

方法原理

深度社團發現方法的核心步驟包括：

1. 結構相似度量化：通過數學方法計算節點間的結構相似度，形成社團結構矩陣
2. 低維表示學習：使用多層自編碼器對網路節點進行降維處理，獲得低維潛在特徵表示
3. 社團劃分：通過量化節點間的結構相似度構建社團結構矩陣，利用多層自編碼器獲得節點低維表示，並套用K-means聚類策略識別社團結構

實驗驗證

實驗結果顯示（截至2021年），該算法在多種規模網路中均能有效識別社團結構，其準確率相比傳統方法有所提升。

學術支持

該研究得到國家自然科學基金支持，成果發表於《計算機科學》2021年刊。