网络社区发现与搜索

《网络社区发现与搜索》介绍网络社区发现与搜索方法，包括经典方法与前沿方法。《网络社区发现与搜索》共7章，按内容可分为四部分，分别是基础知识、社区发现方法、社区搜索方法及总结与展望。第一部分包括第1、2章，主要介绍社区发现与社区搜索的基础知识。第二部分包括第3、4章，其中，第3章介绍经典社区发现方法，主要包括基于模块度优化的社区发现方法、基于聚类的社区发现方法及其他社区发现方法；第4章详细介绍基于深度学习的社区发现方法。第三部分包括第5、6章，介绍拓扑图上的社区搜索方法和属性图上的社区搜索方法。第四部分为第7章，介绍社区发现与社区搜索的总结与展望。

前言
第1章绪论1
1.1引言1
1.2基本术语3
1.3网络可视化8
1.4本章小结11
参考文献11
第2章社区分析基本知识13
2.1社区发现与社区搜索概述13
2.1.1社区的定义13
2.1.2社区分析常用技术15
2.1.3社区发现方法17
2.1.4社区搜索方法20
2.2数据集与评价指标21
2.2.1数据集21
2.2.2评价指标24
2.3本章小结27
参考文献28
第3章经典社区发现方法29
3.1基于模块度优化的社区发现方法29
3.1.1贪心算法31
3.1.2传统谱方法32
3.2基于聚类的社区发现方法40
3.2.1层次聚类40
3.2.2图划分聚类41
3.2.3模糊聚类45
3.3其他社区发现方法50
3.3.1基于随机块模型的社区发现方法50
3.3.2基于统计建模模型的社区发现方法53
3.4本章小结58
参考文献58
第4章基于深度学习的社区发现方法60
4.1深度学习概述60
4.1.1深度学习介绍与常用框架60
4.1.2注意力机制61
4.2基于深度图嵌入的社区发现方法63
4.2.1面向普通网络的深度图嵌入63
4.2.2面向属性网络的深度图嵌入66
4.2.3深度嵌入式图聚类方法70
4.3基于图神经网络的社区发现方法74
4.3.1基于深度图神经网络的聚类74
4.3.2联合社区发现和节点表示学习的生成模型79
4.4本章小结83
参考文献83
第5章拓扑图上的社区搜索方法85
5.1基于内聚子图的社区搜索模型85
5.1.1内聚子图的度量指标85
5.1.2基于内聚子图度量指标的社区搜索算法88
5.2基于优化评价指标的社区搜索模型91
5.2.1局部模块度社区搜索模型91
5.2.2查询偏向密度社区搜索模型94
5.3其他社区搜索模型96
5.3.1基于随机游走及其变种的社区搜索模型96
5.3.2基于邻域扩展的社区搜索模型100
5.3.3基于谱子空间的社区搜索模型102
5.4基于异构图的社区搜索模型104
5.4.1异构图简介104
5.4.2面向异质信息网络的社区搜索模型105
5.5本章小结111
参考文献111
第6章属性图上的社区搜索方法113
6.1结合结构约束的属性社区搜索方法113
6.1.1基于k-core的属性社区搜索方法113
6.1.2基于k-truss的属性社区搜索方法114
6.2特定属性图上的社区搜索方法117
6.2.1面向画像图的属性社区搜索方法117
6.2.2面向时序图的属性社区搜索方法120
6.2.3面向地理社交图的属性社区搜索方法121
6.3基于图神经网络的社区搜索方法126
6.3.1基于查询驱动图卷积网络的社区搜索127
6.3.2基于图神经网络的轻量级交互式社区搜索131
6.4本章小结134
参考文献134
第7章总结与展望136
7.1社区发现总结与展望136
7.2社区搜索总结与展望139
7.3本章小结142
参考文献142