参考文献¶
CDlib
是为研究目的而开发的。在这里,您可以找到(几乎)完整的论文列表,这些论文对其所展示的算法和方法有所贡献。
算法¶
Girvan-Newman: Girvan, Michelle, 和 Mark EJ Newman. 社交和生物网络中的社区结构。 国家科学院院刊 99.12 (2002): 7821-7826.
EM: Newman, Mark EJ, 和 Elizabeth A. Leicht. 网络中的混合社区和探索性分析。 美国国家科学院院刊 104.23 (2007): 9564-9569.
SCAN: Xu, X., Yuruk, N., Feng, Z., & Schweiger, T. A. (2007, 8月). Scan: 一种网络结构聚类算法。 在第13届ACM SIGKDD国际知识发现与数据挖掘会议论文集 (pp. 824-833)
GDMP2: Chen, Jie, 和 Yousef Saad. 密集子图提取及其在社区检测中的应用. IEEE Transactions on Knowledge and Data Engineering 24.7 (2012): 1216-1230.
Spinglass: Reichardt, Jörg, 和 Stefan Bornholdt. 社区检测的统计力学. 物理评论 E 74.1 (2006): 016110.
特征向量: Newman, Mark EJ. 使用矩阵的特征向量在网络上寻找社区结构。 物理评论 E 74.3 (2006): 036104.
AGDL: 张伟, 王欣, 赵东, & 唐晓. (2012年10月). 图度链接:在有向图上的凝聚聚类. 在欧洲计算机视觉会议中 (pp. 428-441). 施普林格, 柏林, 海德堡.
Louvain: Blondel, Vincent D., 等人. 大型网络中社区的快速展开. 统计力学杂志:理论与实验 2008.10 (2008): P10008.
莱顿:Traag, Vincent, Ludo Waltman, 和 Nees Jan van Eck. 从Louvain到Leiden:保证良好连接的社区。 arXiv 预印本 arXiv:1810.08473 (2018).
- Rb_pots:
Reichardt, J., & Bornholdt, S. (2006). 社区检测的统计力学. Physical Review E, 74(1), 016110. 10.1103/PhysRevE.74.016110
Leicht, E. A., & Newman, M. E. J. (2008). 有向网络中的社区结构。 物理评论快报, 100(11), 118703. 10.1103/PhysRevLett.100.118703
Rber_pots: Reichardt, J., & Bornholdt, S. (2006). 社区检测的统计力学. Physical Review E, 74(1), 016110. 10.1103/PhysRevE.74.016110
CPM: Traag, V. A., Van Dooren, P., & Nesterov, Y. (2011). 无分辨率限制社区检测的狭窄范围。 物理评论 E, 84(1), 016114. 10.1103/PhysRevE.84.016114
Significance_communities: Traag, V. A., Krings, G., & Van Dooren, P. (2013). 社区结构中的重要尺度。 科学报告, 3, 2930. 10.1038/srep02930
Surprise_communities: Traag, V. A., Aldecoa, R., & Delvenne, J.-C. (2015). 使用渐近惊喜检测社区。 物理评论 E, 92(2), 022816. 10.1103/PhysRevE.92.022816
Greedy_modularity: Clauset, A., Newman, M. E., & Moore, C. 在非常大的网络中寻找社区结构。 物理评论 E 70(6), 2004
Infomap: Rosvall M, Bergstrom CT (2008) 复杂网络上随机游走的地图揭示了社区结构。 美国国家科学院院刊 105(4):1118–1123
Markov_clustering: Enright, Anton J., Stijn Van Dongen, 和 Christos A. Ouzounis. 一种用于大规模检测蛋白质家族的高效算法。 核酸研究 30.7 (2002): 1575-1584.
Walktrap: Pons, Pascal, 和 Matthieu Latapy. 使用随机游走在大型网络中计算社区。 J. Graph Algorithms Appl. 10.2 (2006): 191-218.
标签传播:Raghavan, U. N., Albert, R., & Kumara, S. (2007). 在大规模网络中检测社区结构的近线性时间算法。 物理评论 E, 76(3), 036106.
Async_fluid: Ferran Parés, Dario Garcia-Gasulla, Armand Vilalta, Jonatan Moreno, Eduard Ayguadé, Jesús Labarta, Ulises Cortés, Toyotaro Suzumura T. 流体社区:一种竞争性强且高度可扩展的社区检测算法。
DER: M. Kozdoba 和 S. Mannor, 通过度量空间嵌入进行社区检测, NIPS 2015
FRC_FGSN: Kundu, S., & Pal, S. K. (2015). 社交网络中的模糊粗糙社区。 模式识别通讯, 67, 145-152.
SBM_dl: Tiago P. Peixoto, 用于推断随机块模型的高效蒙特卡罗和贪婪启发式算法, Phys. Rev. E 89, 012804 (2014), DOI: 10.1103/PhysRevE.89.012804 [sci-hub, @tor], arXiv: 1310.4378.
SBM_dl_nested: Tiago P. Peixoto, 大型网络中的分层块结构和高分辨率模型选择 ,Physical Review X 4.1 (2014): 011047
aslpa: Xie J, Szymanski B K, Liu X. Slpa: 通过说话者-听者互动动态过程揭示社交网络中的重叠社区[C]. IEEE第11届国际数据挖掘研讨会(ICDMW). 温哥华, BC: IEEE, 2011: 344–349.
信念:张、潘和克里斯托弗·摩尔。“使用消息传递进行模块化的统计显著社区和层次结构的可扩展检测。”美国国家科学院院刊 111.51 (2014): 18144-18149.
chinesewhispers: Ustalov, D., Panchenko, A., Biemann, C., Ponzetto, S.P.: Watset: 本地-全局图聚类及其在意义和框架归纳中的应用。 计算语言学 45(3), 423–479 (2019)
edmot: Li, Pei-Zhen, 等. “EdMot: 一种用于模体感知社区检测的边缘增强方法.” 第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集. 2019.
em: Newman, Mark EJ, 和 Elizabeth A. Leicht. 网络中的混合社区和探索性分析. 美国国家科学院院刊 104.23 (2007): 9564-9569.
ga: Pizzuti, C. (2008). Ga-net: 一种用于社交网络中社区检测的遗传算法。在并行问题求解自然国际会议上,第1081–1090页。Springer。
- Demon:
Coscia, M., Rossetti, G., Giannotti, F., & Pedreschi, D. (2012年8月). Demon: 一种本地优先的重叠社区发现方法。 在第18届ACM SIGKDD国际知识发现与数据挖掘会议论文集 (第615-623页). ACM.
Coscia, M., Rossetti, G., Giannotti, F., & Pedreschi, D. (2014). 使用本地优先方法揭示层次和重叠社区。 ACM Transactions on Knowledge Discovery from Data (TKDD), 9(1), 6.
天使:罗塞蒂,G.(2019)驱魔:天使,高效的节点中心社区发现。 国际复杂网络及其应用会议。斯普林格,查姆。
节点感知:Sucheta Soundarajan 和 John E. Hopcroft。2015年。使用本地组信息识别网络中的社区。 ACM 知识发现与数据交易 9, 3, 文章 21 (2015年4月), 27页。DOI=http://dx.doi.org/10.1145/2700404
重叠种子集扩展: Whang, J. J., Gleich, D. F., & Dhillon, I. S. (2013, 10月). 使用种子集扩展的重叠社区检测. 在第22届ACM国际信息与知识管理会议论文集 (pp. 2099-2108). ACM.
Kclique: Gergely Palla, Imre Derényi, Illés Farkas1, 和 Tamás Vicsek, 揭示自然和社会中复杂网络的重叠社区结构 Nature 435, 814-818, 2005, doi:10.1038/nature03607
LFM: Lancichinetti, Andrea, Santo Fortunato, 和 János Kertész. 检测复杂网络中的重叠和层次社区结构 新物理学杂志 11.3 (2009): 033015.
Lais2: Baumes, Jeffrey, Mark Goldberg, 和 Malik Magdon-Ismail. 高效识别重叠社区。 国际情报与安全信息学会议。Springer, Berlin, Heidelberg, 2005.
刚果:Gregory, Steve. 一种快速算法用于发现网络中的重叠社区。 欧洲机器学习与数据库知识发现联合会议。Springer, Berlin, Heidelberg, 2008.
Conga: Gregory, Steve. 一种在网络中寻找重叠社区结构的算法。 欧洲数据挖掘与知识发现原理会议。Springer, Berlin, Heidelberg, 2007.
Lemon: Yixuan Li, Kun He, David Bindel, John Hopcroft 揭示大型网络中的小社区结构:一种局部谱方法。 第24届国际万维网会议论文集。国际万维网会议指导委员会,2015年。
SLPA: Xie Jierui, Boleslaw K. Szymanski, 和 Xiaoming Liu. Slpa: 通过说话者-听者互动动态过程揭示社交网络中的重叠社区。 数据挖掘研讨会 (ICDMW), 2011年IEEE第11届国际会议. IEEE, 2011.
Multicom: Hollocou, Alexandre, Thomas Bonald, 和 Marc Lelarge. 多局部社区检测. ACM SIGMETRICS 性能评估评论 45.2 (2018): 76-83.
Big_clam: Yang, J., & Leskovec, J. (2013年2月). 大规模重叠社区检测:一种非负矩阵分解方法。 在第六届ACM国际网络搜索与数据挖掘会议论文集(第587-596页)。ACM。
damnf: Ye, Fanghua, Chuan Chen, 和 Zibin Zheng. “用于社区检测的深度自编码器式非负矩阵分解。” 第27届ACM国际信息与知识管理会议论文集. 2018.
egonet splitter: Epasto, Alessandro, Silvio Lattanzi, 和 Renato Paes Leme. “Ego-splitting 框架:从非重叠到重叠的聚类。” 第23届ACM SIGKDD国际知识发现与数据挖掘会议论文集。2017年。
nmnf: 王, 肖, 等. “社区保留网络嵌入.” 第三十一届AAAI人工智能会议. 2017.
nnsed: Sun, Bing-Jie, 等. “一种用于社区检测的非负对称编码器-解码器方法.” 2017年ACM信息与知识管理会议论文集. 2017.
percomvc: Kasoro, Nathanaël, 等人. “PercoMCV: 一种社交网络中社区检测的混合方法.” Procedia Computer Science 151 (2019): 45-52.
wCommunity: Chen, D., Shang, M., Lv, Z., & Fu, Y. (2010). 通过局部算法检测加权网络的重叠社区。Physica A: 统计力学及其应用, 389(19), 4177-4187.
blmpa: Taguchi, Hibiki, Tsuyoshi Murata, 和 Xin Liu. BiMLPA: 通过多标签传播在二分网络中进行社区检测。国际网络科学会议。Springer, Cham, 2020.
CPM二分:Barber, M. J. (2007). 二分网络中的模块性和社区检测. 物理评论E, 76(6), 066102. 10.1103/PhysRevE.76.066102
syblinarity: Vasiliauskaite, V., Evans, T.S. 使社区尊重秩序。Appl Netw Sci 5, 15 (2020). https://doi.org/10.1007/s41109-020-00255-5
hierarchical_link_community: Ahn, Yong-Yeol, James P. Bagrow, 和 Sune Lehmann. 链接社区揭示了网络中的多尺度复杂性。 自然 466.7307 (2010): 761.
Eva: Citraro, S., & Rossetti, G. (2019年12月). Eva: 属性感知网络分割. 在国际复杂网络及其应用会议上 (pp. 141-151). Springer, Cham.
iLouvain: Combe D., Largeron C., Géry M., Egyed-Zsigmond E. “I-Louvain: 一种属性图聚类方法”。 <https://link.springer.com/chapter/10.1007/978-3-319-24465-5_16> 收录于: Fromont E., De Bie T., van Leeuwen M. (编辑) 智能数据分析进展 XIV. IDA (2015). 计算机科学讲义, 卷 9385. Springer, Cham
瓷砖:Rossetti, G., Pappalardo, L., Pedreschi, D., & Giannotti, F. (2017). Tiles: 动态社交网络中社区发现的在线算法。 机器学习, 106(8), 1213-1241.
lpam: Ponomarenko, A., Pitsoulis, L., 和 Shamshetdinov, M. (2021). 基于链接分区和围绕中心点的分区进行网络中的重叠社区检测 <https://arxiv.org/abs/1907.08731>
评估措施¶
Omega: Gabriel Murray, Giuseppe Carenini, 和 Raymond Ng. 2012. 使用omega指数评估抽象算法检测。 在自动摘要评估指标和系统比较研讨会论文集。计算语言学协会,美国宾夕法尼亚州斯特劳兹堡,10-18。
F1: Rossetti, G., Pappalardo, L., & Rinzivillo, S. (2016). 一种评估算法在真实数据上检测内部的新方法。 在《复杂网络VII》(第133-144页)中。Springer, Cham.
- NF1:
Rossetti, G., Pappalardo, L., & Rinzivillo, S. (2016). 一种评估算法在真实数据上检测内部结构的新方法。
Rossetti, G. (2017). : RDyn: 处理算法动态的图基准。复杂网络杂志。 5(6), 893-912.
调整兰德指数: Hubert, L., & Arabie, P. (1985). 比较分区. 分类学杂志, 2(1), 193-218.
调整互信息:Vinh, N. X., Epps, J., & Bailey, J. (2010). 信息理论度量用于聚类比较:变体、属性、归一化和机会校正。 机器学习研究杂志, 11(10月), 2837-2854.
信息变异:Meila, M. (2007). 比较聚类 - 基于信息的距离。 多元分析杂志, 98, 873-895. doi:10.1016/j.jmva.2006.11.013
重叠归一化互信息_MGH: McDaid, A. F., Greene, D., & Hurley, N. (2011). 归一化互信息用于评估重叠社区发现算法。. arXiv 预印本 arXiv:1110.2515. 芝加哥
重叠归一化互信息_LFK: Lancichinetti, A., Fortunato, S., & Kertesz, J. (2009). 检测复杂网络中的重叠和层次社区结构。 新物理学杂志, 11(3), 033015.
Newman_girvan_modularity: Newman, M.E.J. & Girvan, M. 在网络中寻找和评估算法结构。 物理评论 E 69, 26113(2004).
Erdos_renyi_modularity: 埃尔德斯, P., & 雷尼, A. (1959). 关于随机图 I. 德布勒森数学出版物, 6, 290-297.
模块化密度: 李, Z., 张, S., 王, R. S., 张, X. S., & 陈, L. (2008). 算法检测的定量函数. 物理评论 E, 77(3), 036109.
Z_modularity: Miyauchi, Atsushi, 和 Yasushi Kawase. 基于Z分数的模块性用于网络中的算法检测。 PloS one 11.1 (2016): e0147805.
惊喜与意义:Traag, V. A., Aldecoa, R., & Delvenne, J. C. (2015). 使用渐近惊喜检测社区.. 物理评论E, 92(2), 022816.
average_internal_degree: Radicchi, F., Castellano, C., Cecconi, F., Loreto, V., & Parisi, D. (2004). 在网络中定义和识别社区。 美国国家科学院院刊, 101(9), 2658-2663.
电导率: Shi, J., Malik, J.: 归一化切割和图像分割。 部门论文 (CIS), 107 (2000)
cut_ratio: Fortunato, S.: 社区检测在图中的应用。 物理报告 486(3-5), 75–174 (2010)
edges_inside: Radicchi, F., Castellano, C., Cecconi, F., Loreto, V., & Parisi, D. (2004). 在网络中定义和识别社区。 美国国家科学院院刊, 101(9), 2658-2663.
扩展:Radicchi, F., Castellano, C., Cecconi, F., Loreto, V., & Parisi, D. (2004). 定义和识别网络中的社区。 美国国家科学院院刊, 101(9), 2658-2663.
internal_edge_density: Radicchi, F., Castellano, C., Cecconi, F., Loreto, V., & Parisi, D. (2004). 在网络中定义和识别社区。 美国国家科学院院刊, 101(9), 2658-2663.
normalized_cut: Shi, J., Malik, J.: 归一化切割和图像分割。 部门论文 (CIS), 107 (2000)
fraction_over_median_degree: Yang, J 和 Leskovec, J.: 基于真实情况定义和评估网络社区。 知识与信息系统 42(1), 181–213 (2015)
max_odf: Flake, G.W., Lawrence, S., Giles, C.L., 等: 高效的网络社区识别。 在: KDD, 卷 2000, 页 150–160 (2000)
avg_odf: Flake, G.W., Lawrence, S., Giles, C.L., 等人: 高效识别网络社区。 在: KDD, 卷 2000, 页 150–160 (2000)
flake_odf: Flake, G.W., Lawrence, S., Giles, C.L., 等人: 高效识别网络社区。 在: KDD, 卷 2000, 页 150–160 (2000)
triangle_participation_ratio: Yang, J 和 Leskovec, J.: 基于真实情况定义和评估网络社区。 知识与信息系统 42(1), 181–213 (2015)
link_modularity: Nicosia, V., Mangioni, G., Carchiolo, V., Malgeri, M.: 将模块化定义扩展到具有重叠社区的有向图。 统计力学杂志:理论与实验 2009(03), 03024 (2009)
使用CDlib的研究¶
到目前为止,CDlib 已在以下研究工作中被引用:
Rezaei, M., Faramarzpour, M., Shobeiri, P., Seyedmirzaei, H., Sarasyabi, M. S., & Dabiri, S. (2023). 青光眼诊断微RNA的系统综述、荟萃分析和网络分析。欧洲医学研究杂志,28(1), 137.
Bharadwaj, A. G., & Starly, B. (2022). 从大型CAD模型库中构建产品设计知识图谱。高级工程信息学,53,101680。
Sieranoja, S., & Fränti, P. (2022). 适应k-means进行图聚类。知识与信息系统,64(1), 115-142.
Roghani, H., & Bouyer, A. (2022). 一种用于社交网络中社区检测的快速局部平衡标签扩散算法。IEEE 知识与数据工程汇刊。
彭杰, 周洋, 王凯. (2021). 多基因和表型网络表征癫痫和自闭症的共享遗传途径. 科学报告, 11(1), 952.
Citraro, S., & Rossetti, G. (2020). 识别和利用标记网络中的同质社区。应用网络科学, 5(1), 55.
Gomes Ferreira, C. H., Murai, F., Silva, A. P., Trevisan, M., Vassio, L., Drago, I., … & Almeida, J. M. (2022). 关于网络骨干提取以建模在线集体行为。Plos one, 17(9), e0274218.
Yao, X., Wang, D., Yu, T., Luan, C., & Fu, J. (2023). 一种基于分层神经网络的多特征点云模型加工特征识别方法。智能制造杂志,34(6), 2599-2610.
Hottenrott, H., Rose, M. E., & Lawson, C. (2021). 学术界多重机构隶属关系的兴起。信息科学与技术协会期刊,72(8), 1039-1058.
Vilela, J., Asif, M., Marques, A. R., Santos, J. X., Rasga, C., Vicente, A., & Martiniano, H. (2023). 生物医学知识图谱嵌入在个性化医疗中的应用:预测疾病-基因关联。专家系统,40(5), e13181
Frąszczak, D. (2023). 在线社交网络中的谣言爆发检测。社交网络分析与挖掘,13(1), 91。
Pister, A., Buono, P., Fekete, J. D., Plaisant, C., & Valdivia, P. (2020). 在混合主动社交网络聚类中整合先验知识。IEEE 可视化与计算机图形学汇刊, 27(2), 1775-1785.
Mohammadmosaferi, K. K., & Naderi, H. (2020). 动态社交网络中社区的演变:一种高效的基于地图的方法。专家系统与应用,147,113221
Amira, A., Derhab, A., Hadjar, S., Merazka, M., Alam, M. G. R., & Hassan, M. M. (2023). 社交媒体中假新闻用户社区的检测与分析。IEEE Transactions on Computational Social Systems.
Yassin, A., Haidar, A., Cherifi, H., Seba, H., & Togni, O. (2023). 加权复杂网络中骨干提取技术的评估工具。科学报告,13(1),17000。
Sobolevsky, S., & Belyi, A. (2022). 图神经网络启发的无监督网络社区检测算法。应用网络科学, 7(1), 63.
Oestreich, Marie, 等人. “hCoCena: 转录组数据集的水平整合与分析.” Bioinformatics 38.20 (2022): 4727-4734.
Rustamaji, H. C., Kusuma, W. A., Nurdiati, S., & Batubara, I. (2024). 使用贪婪模块化分解策略进行社区检测。 Scientific Reports, 14(1), 4694.
Aref, S., Mostajabdaveh, M., & Chheda, H. (2023, 6月). 启发式模块度最大化算法在社区检测中很少返回最优分区或任何类似的结果。在 国际计算科学会议 (pp. 612-626). 查姆: 瑞士施普林格自然出版社.
Galan-Vasquez, E., & Perez-Rueda, E. (2021). 基于网络分析的药物-靶点相互作用景观。Plos one, 16(3), e0247018.
Groza, V., Udrescu, M., Bozdog, A., & Udrescu, L. (2021). 基于药物-基因相互作用的药物-药物相似性网络中的模块化聚类用于药物再利用。 Pharmaceutics, 13(12), 2117.
Zafarmand, M., Talebirad, Y., Austin, E., Largeron, C., & Zaïane, O. R. (2023). 基于链接强度的快速本地社区发现。社会网络分析与挖掘,13(1), 112
Cazabet, R., Boudebza, S., & Rossetti, G. (2020). 评估逐步演化图的社区检测算法。复杂网络杂志, 8(6), cnaa027.
Rani, S., & Kumar, M. (2022). 使用多层网络设计方法对复杂社交网络中的社区检测算法进行排名。国际网络信息系统杂志,18(5/6), 310-341.
Tariq, R., Lavangnananda, K., Bouvry, P., & Mongkolnam, P. (2023). 用户指定密度的图聚类分区。IEEE Access, 11, 122273-122294.
Pavel, A., Federico, A., Del Giudice, G., Serra, A., & Greco, D. (2021). Volta: 高级分子网络分析. Bioinformatics, 37(23), 4587-4588.
Krishna, V., Vasiliauskaite, V., & Antulov-Fantulin, N. (2022). 通过活动加权模块化增强因子分解的问题路由。 社交网络分析与挖掘, 12(1), 155.
Sahu, S., & Rani, T. S. (2022). 一种基于邻居相似性的社区发现算法。专家系统与应用,206,117822。
Aref, S., Chheda, H., & Mostajabdaveh, M. (2022). Bayan算法:通过模块化的精确和近似优化检测网络中的社区。arXiv预印本 arXiv:2209.04562.
Leventidis, A., Di Rocco, L., Gatterbauer, W., Miller, R. J., & Riedewald, M. (2023). DomainNet: 数据湖消歧中的同形词检测与理解。ACM Transactions on Database Systems, 48(3), 1-40.
Rossetti, G. (2020). ANGEL: 在静态和动态网络中高效且有效的节点中心社区发现。应用网络科学, 5(1), 26.
Citraro, S., & Rossetti, G. (2021). X-Mark: 一个用于节点属性社区发现算法的基准。社会网络分析与挖掘, 11(1), 99
Kumar, M., Mishra, S., Singh, S. S., & Biswas, B. (2024). 动态网络中的社区增强链接预测。ACM Transactions on the Web, 18(2), 1-32.
Shrestha, A., Mielke, K., Nguyen, T. A., & Giabbanelli, P. J. (2022, 12月). 自动解释模型:使用深度神经网络从因果图中生成文本。在 2022冬季模拟会议 (WSC) (pp. 2629-2640). IEEE.
叶, Q., 徐, R., 李, D., 康, Y., 邓, Y., 朱, F., … & 侯, T. (2023). 整合多模态深度学习于知识图谱以发现针对传染病的协同药物组合。细胞报告物理科学, 4(8).
Peixoto, A. R., de Almeida, A., António, N., Batista, F., Ribeiro, R., & Cardoso, E. (2023). 解锁Twitter社区对初创企业的力量。应用网络科学,8(1), 66.
Hottenrott, H., & Lawson, C. (2022). 学术界多重机构隶属背后的原因是什么?. 科学与公共政策, 49(3), 382-402.
Sarmiento, H., Bravo-Marquez, F., Graells-Garrido, E., & Poblete, B. (2022年5月). 在极化期间识别和表征社区框架的新表达。在《国际AAAI网络与社交媒体会议论文集》(第16卷,第841-851页)中。
Mouronte-López, M. L., & Subirán, M. (2022). 在推特上建模关于气候变化的互动网络:其网络结构的特征。复杂性, 2022.
Akbaritabar, A. (2021). 以柏林为例的机构科学合作结构的定量视角。定量科学研究, 2(2), 753-777.
Das, S., Devarapalli, R. K., & Biswas, A. (2024). 利用级联信息进行社交网络中的社区检测。信息科学, 120696.
肖, J., 王, Y. J., & 徐, X. K. (2021). 基于精英共生生物搜索和节点邻域信息的模糊社区检测. IEEE模糊系统汇刊, 30(7), 2500-2514.
Al-Debagy, O., & Martinek, P. (2022). 基于依赖关系的微服务分解方法。国际计算机与应用杂志,44(9), 814-821.
Frąszczak, D. (2022). RPaSDT—谣言传播和来源检测工具包。SoftwareX, 17, 100988.
Aref, S., & Mostajabdaveh, M. (2024). 分析模块化最大化在近似、启发式和图神经网络算法中的社区检测。计算科学杂志,78, 102283。
Mohammadmosaferi, K. K., & Naderi, H. (2021). AFIF: 在动态社交网络的社区演化预测中自动发现重要特征。计算机通信,176,66-80
Monterde, B., Rojano, E., Córdoba-Caballero, J., Seoane, P., Perkins, J. R., Medina, M. Á., & Ranea, J. A. (2023). 整合差异表达、共表达和基因网络分析以识别与肿瘤血管生成失调相关的常见基因。生物医学信息学杂志,144,104421
Böhle, T., Kuehn, C., & Thalhammer, M. (2022). 关于Kuramoto模型及相关图动力系统的可靠高效数值积分。国际计算机数学杂志,99(1), 31-57.
肖, J., 邹, Y. C., & 徐, X. K. (2023). 一种基于元启发式的模块化优化算法,由边方向性驱动,用于有向网络。IEEE 网络科学与工程交易。
Vilela, J., Martiniano, H., Marques, A. R., Santos, J. X., Asif, M., Rasga, C., … & Vicente, A. M. (2023). 使用交互网络和社区检测分析识别自闭症谱系障碍中受损的神经传递和突触生物过程。Biomedicines, 11(11), 2971.
朱, W., 孙, Y., 方, R., & 徐, B. (2023). 一种用于大规模网络的具有混合稀疏结构和结构信息的低内存社区检测算法。IEEE并行与分布式系统汇刊。
Das, S., & Biswas, A. (2024). TSInc: 基于信息级联的增量社区检测。国际信息技术杂志, 1-11.
Rossetti, G. (2020). 驱魔:天使,高效的节点中心社区发现。在《复杂网络及其应用VIII:第八届复杂网络及其应用国际会议论文集》第一卷中(第152-163页)。Springer International Publishing。
Frąszczak, D., & Frąszczak, E. (2024). NetCenLib: 一个用于网络中心性分析和评估的全面python库。 SoftwareX, 26, 101699
Adams, C., Bozhidarova, M., Chen, J., Gao, A., Liu, Z., Priniski, J. H., … & Brantingham, P. J. (2022年12月). QAnon Twitter网络的知识图谱. 在 2022 IEEE国际大数据会议 (Big Data) (第2903-2912页). IEEE.
Böhle, T., Thalhammer, M., & Kuehn, C. (2022). 网络上的动态系统的社区集成算法(CIAs)。计算物理学报,469,111524。
Soh Tsin Howe, J. (2021). 模拟案例法引用网络中的主题社区。Frontiers in Physics, 9, 665563.
Goodbrake, C., Beers, D., Thompson, T. B., Harrington, H. A., & Goriely, A. (2024). 脑链作为阿尔茨海默病的拓扑特征。应用与计算拓扑学杂志, 1-42.
Citraro, S., & Rossetti, G. (2020). Eva: 属性感知网络分割。在《复杂网络及其应用VIII:第一卷 第八届复杂网络及其应用国际会议论文集 COMPLEX NETWORKS 2019 8》(第141-151页)。Springer International Publishing。
Park, Y. J., & Li, D. (2024). 低里奇曲率用于高效社区检测。arXiv 预印本 arXiv:2401.10124.
Ghoroghchian, N., Dasarathy, G., & Draper, S. (2021年3月). 从粗略测量中检测图社区:粗化加权随机块模型的恢复条件. 在 国际人工智能与统计会议 (pp. 3619-3627). PMLR.
孙, P. G., 吴, X., 权, Y., & 苗, Q. (2022). 重新排列“不可分割”的块以进行社区检测。IEEE 知识与数据工程汇刊。
Kumar, P., & Dohare, R. (2022). 一种基于交互的方法用于检测现实世界网络中的重叠社区结构。国际数据科学与分析杂志,14(1), 27-44.
Vera, J., & Palma, W. (2021). 单词共现网络的社区结构:来自美洲语言的实验。Europhysics Letters, 134(5), 58002
Rutkowski, E., Sargant, J., Houghten, S., & Brown, J. A. (2021年6月). 从加权图的探索性进化压缩中评估社区. 在 2021年IEEE进化计算大会 (CEC) (第434-441页). IEEE
Jaguzović, M., Grbić, M., Ðukanović, M., & Matić, D. (2022年3月). 通过重叠社区检测算法识别蛋白质复合物:一项比较研究. 在 2022年第21届国际研讨会INFOTEH-JAHORINA (INFOTEH) (第1-6页). IEEE
Gurukar, S., Venkatakrishnan, S. B., Ravindran, B., & Parthasarathy, S. (2023年11月). PolicyClusterGCN: 识别用于训练图卷积网络的高效集群. 在《国际社交网络分析与挖掘进展会议论文集》(第245-252页)中.
Prokop, P., Dráždilová, P., & Platoš, J. (2023年11月). 加权网络的分层重叠社区检测. 在 国际复杂网络及其应用会议 (pp. 159-171). 查姆: 瑞士施普林格自然出版社.
Hiel, S., Nicolaers, L., Vázquez, C. O., Mitrović, S., Baesens, B., & De Weerdt, J. (2022年11月). 图上的节点嵌入和社区检测联合建模技术的评估. 在 2022 IEEE/ACM 国际社交网络分析与挖掘进展会议 (ASONAM) (第403-410页). IEEE.
Das, S., & Biswas, A. (2021, 6月). 使用局部拓扑和信息交换在社交网络中进行社区检测. 在 2021年智能技术国际会议 (CONIT) (pp. 1-7). IEEE
Hassine, M. B., Jabbour, S., Kmimech, M., Raddaoui, B., & Graiet, M. (2023, 8月). 一种基于α-结构相似性的非重叠社区检测方法. 在 国际大数据分析与知识发现会议 (pp. 197-211). 查姆: 瑞士施普林格自然出版社.
Jeong, H., Kim, Y., Jung, Y. S., Kang, D. R., & Cho, Y. R. (2021). 基于熵的PPI网络图聚类用于预测蛋白质的重叠功能模块。熵, 23(10), 1271.
Ghoroghchian, N., Anguluri, R., Dasarathy, G., & Draper, S. C. (2022). 粗测量网络线性动态系统的可控性(扩展版)。arXiv预印本 arXiv:2206.10569。
Cruz, F., Monteiro, P. T., & Teixeira, A. S. (2023年3月). 酵母物种转录调控网络中的社区结构. 在 国际复杂网络研讨会 (pp. 38-49). 查姆: 瑞士施普林格自然出版社.
Sreevalsan-Nair, J., & Jakher, A. (2022). CAP-DSDN: 动态稀疏有向网络中社区节点共关联预测及迁移流动案例研究。在 KDIR (第63-74页)。
Szufel, P. (2024年4月). 面向分布式计算环境的图聚类研究. 在 国际网络图算法与模型研讨会 (pp. 146-158). 查姆: 瑞士施普林格自然出版社.
Jaiswal, R., & Ramanna, S. (2021). 使用基于集成的分布式邻域阈值方法在社交网络中检测重叠社区。智能决策技术, 15(2), 251-267.
Salter-Duke, M. (2024). 纠缠的网:图纠缠的实用研究 (博士论文, 开放获取 Te Herenga Waka-惠灵顿维多利亚大学).
Bharadwaj, A. G. (2023). 使用基于3D设计的知识图谱驱动产品设计和柔性机器人操作推理系统。北卡罗来纳州立大学。
雷, G., 盛, Y., 邵子, L., & 庆寿, W. (2022). 结合核心节点和三阶结构模型的分层社区发现算法. 并发与计算: 实践与经验, 34(4), e6669.
Stav, G. B. (2023). 三维基因组的网络分析 (硕士论文).
Gibbs, C. P. (2023). 复杂环境中的因果关系与聚类 (博士论文, 科罗拉多州立大学).
Das, S., & Biswas, A. (2022, 12月). 社交网络中社区结构的直接比较. 在 2022 IEEE 第一届数据、决策和系统国际会议 (ICDDS) (pp. 1-6). IEEE.
Krathaus, A. (2023). 社会和交通网络对社会活动-旅行参与的影响:基于位置社交网络数据的探索性分析 (硕士论文, 纽约州立大学布法罗分校)
Svete, A., & Hostnik, J. (2020). 不仅仅是旋律:欧洲如何投票选出他们最喜欢的歌曲。arXiv 预印本 arXiv:2002.06609.
Rutkowski, E. (2022). 使用遗传算法进行加权图压缩。
周, X., 潘, Y., & 秦, J. (2022, 4月). 从复杂网络视角看盾构隧道的智能控制. 在 国际绿色建筑、土木工程与智慧城市会议 (pp. 1226-1233). 新加坡: 新加坡施普林格自然.
Rózemberczki, B. (2021). 静态、多重和属性网络上的图挖掘。
Chatzi, I. (2024). 社区检测方法比较用于检测僵尸网络。
Oostenbach, R. 社区检测的公平性分析。
AL-DYANI, W. Z. A. 一种增强的二进制蝙蝠和马尔可夫聚类算法,用于改进异构新闻文本文档的事件检测。
Campos, G. A., Ribeiro, J. M., Vieira, V. F., & Xavier, C. R. (2023年8月). 基于中心性和重叠社区信息的种子选择影响研究. 在第十二届巴西社交网络分析与挖掘研讨会论文集 (pp. 163-174). SBC.
Akbaritabar, A. (2021). 使用哈勒、耶拿和莱比锡的例子对机构科学合作结构的定量观点。arXiv 预印本 arXiv:2101.05784。
Barros, J. S. A. 工程学院系统工程学院 (博士论文, 昆卡大学).
HUBERT, M. 在工业和开源数据上爬取和分析代码审查网络。
Svete, A., Hostnik, J., & Šubelj, L. (2020). 不仅仅是旋律:欧洲如何投票选出他们最喜欢的歌曲。应用信息学, 28.