端祥宇，袁 冠，2+，孟凡荣

1.中国矿业大学计算机科学与技术学院，江苏徐州 221116

2.矿山数字化教育部工程研究中心，江苏徐州 221116

复杂网络是对复杂系统进行抽象。其中节点是代表复杂系统中的个体，节点之间的边表示个体之间根据某种规则形成的联系。随着社交平台的多元化发展，社交媒体用户不断增加，社交网络已经逐渐成为最具挖掘价值的复杂网络之一。社交网络的一个重要特征是社区结构。虽然社区的概念依然没有一个明确的定义[1]，但多数文献中都认为社区是对网络的分解与划分，将网络划分成多个集合，集合内部的节点连接密集，集合之间连接稀疏[2]，使得社区具有高内聚、低耦合的特性。

社区发现是研究网络社区结构必不可少的技术，采用有效方法将社交网络中潜在的社区挖掘出来。目前，对社区发现方法的研究越来越多，在DBLP（database systems and logic programming）上以community detection 为关键词搜索公开发表的相关论文，可以发现学术界对社区发现的研究成递增趋势，社区发现已经逐步成为复杂网络分析中的重点研究方向之一（如图1 所示）。通过对社交网络进行社区发现，可以分析社区结构、计算节点影响力、寻找核心节点、进行兴趣推荐等。

Fig.1 Papers on community detection published in DBLP from Jan.2011 to Oct.2020图1 2011.01—2020.10关于社区发现论文的统计（DBLP）

社交网络的社区发现算法主要分为静态社区发现方法和动态社区发现方法。目前关于复杂网络的社区发现方法的研究主要集中在静态方法。传统的静态社区发现一般分为两类，一类是非重叠社区发现，另一类则是重叠社区发现。……