刘海姣，马慧芳,2,昌 阳,李志欣

(1. 西北师范大学 计算机科学与工程学院，甘肃 兰州 730070；2. 桂林电子科技大学 广西可信软件重点实验室, 广西 桂林 541004；3. 广西师范大学 广西多源信息挖掘与安全重点实验室，广西 桂林 541004)

0 引言

现实世界中大量复杂系统均可以抽象为复杂网络模型，如社交网络、交通网络、生物网络等。网络的研究具有重要意义。例如，对社会网络结构的清晰认识，可以帮助人们更好地理解各种社会现象[1-2]。随着社会的不断发展，网络中的社区发现已经引起了广泛的关注。特别是目标社区发现已成为近年来的研究热点。目标社区发现是指挖掘与用户偏好一致的节点所构成的社区。该社区内部连接紧密，且与外部分离较好。目标社区发现在科学研究、商业推广等领域有了越来越多的应用[3]。例如，化妆品销售经理可能更关注于社交网络中的某个社区。该社区成员具有一定的年龄、性别以及收入水平，经理可以向社区中的成员进行推荐并期望通过口碑传播的方式推广其产品；销售体育用品的市场营销经理需要挖掘有体育用品需求的用户所在的社区。然后，根据社区中用户的需求向少数成员提供试用产品，以期待产品在社区中受欢迎。

现有的社区发现方法大致可分为以下两种: 一种是基于无监督聚类技术，另一种是基于半监督聚类技术[4]。大多数采用无监督聚类技术的社区发现方法中，在所有可用属性视为同等重要，或者采用无监督技术来确定属性权重。……