網絡社區(qū)發(fā)現(xiàn)與搜索

目錄　
前言　
第1章　緒論　1　
1.1　引言　1　
1.2　基本術語　3　
1.3　網絡可視化　8　
1.4　本章小結　11　
參考文獻　11　
第2章　社區(qū)分析基本知識　13　
2.1　社區(qū)發(fā)現(xiàn)與社區(qū)搜索概述　13　
2.1.1　社區(qū)的定義　13　
2.1.2　社區(qū)分析常用技術　15　
2.1.3　社區(qū)發(fā)現(xiàn)方法　17　
2.1.4　社區(qū)搜索方法　20　
2.2　數(shù)據(jù)集與評價指標　21　
2.2.1　數(shù)據(jù)集　21　
2.2.2　評價指標　24　
2.3　本章小結　27　
參考文獻　28　
第3章　經典社區(qū)發(fā)現(xiàn)方法　29　
3.1　基于模塊度優(yōu)化的社區(qū)發(fā)現(xiàn)方法　29　
3.1.1　貪心算法　31　
3.1.2　傳統(tǒng)譜方法　32　
3.2　基于聚類的社區(qū)發(fā)現(xiàn)方法　40　
3.2.1　層次聚類　40　
3.2.2　圖劃分聚類　41　
3.2.3　模糊聚類　45　
3.3　其他社區(qū)發(fā)現(xiàn)方法　50　
3.3.1　基于隨機塊模型的社區(qū)發(fā)現(xiàn)方法　50
3.3.2　基于統(tǒng)計建模模型的社區(qū)發(fā)現(xiàn)方法　53　
3.4　本章小結　58　
參考文獻　58　
第4章　基于深度學習的社區(qū)發(fā)現(xiàn)方法.60　
4.1　深度學習概述　60　
4.1.1　深度學習介紹與常用框架　60　
4.1.2　注意力機制　61　
4.2　基于深度圖嵌入的社區(qū)發(fā)現(xiàn)方法　63　
4.2.1　面向普通網絡的深度圖嵌入　63　
4.2.2　面向屬性網絡的深度圖嵌入　66　
4.2.3　深度嵌入式圖聚類方法　70　
4.3　基于圖神經網絡的社區(qū)發(fā)現(xiàn)方法　74　
4.3.1　基于深度圖神經網絡的聚類　74　
4.3.2　聯(lián)合社區(qū)發(fā)現(xiàn)和節(jié)點表示學習的生成模型　79　
4.4　本章小結　83　
參考文獻　83　
第5章　拓撲圖上的社區(qū)搜索方法　85　
5.1　基于內聚子圖的社區(qū)搜索模型　85　
5.1.1　內聚子圖的度量指標　85　
5.1.2　基于內聚子圖度量指標的社區(qū)搜索算法　88　
5.2　基于優(yōu)化評價指標的社區(qū)搜索模型　91　
5.2.1　局部模塊度社區(qū)搜索模型　91　
5.2.2　查詢偏向密度社區(qū)搜索模型　94　
5.3　其他社區(qū)搜索模型　96　
5.3.1　基于隨機游走及其變種的社區(qū)搜索模型　96　
5.3.2　基于鄰域擴展的社區(qū)搜索模型　100　
5.3.3　基于譜子空間的社區(qū)搜索模型　102　
5.4　基于異構圖的社區(qū)搜索模型　104　
5.4.1　異構圖簡介　104　
5.4.2　面向異質信息網絡的社區(qū)搜索模型　105　
5.5　本章小結　111　
參考文獻　111　
第6章　屬性圖上的社區(qū)搜索方法　113　
6.1　結合結構約束的屬性社區(qū)搜索方法　113　
6.1.1　基于k-core的屬性社區(qū)搜索方法　113
6.1.2　基于k-truss的屬性社區(qū)搜索方法.114　
6.2　特定屬性圖上的社區(qū)搜索方法　117　
6.2.1　面向畫像圖的屬性社區(qū)搜索方法　117　
6.2.2　面向時序圖的屬性社區(qū)搜索方法　120　
6.2.3　面向地理社交圖的屬性社區(qū)搜索方法　121　
6.3　基于圖神經網絡的社區(qū)搜索方法　126　
6.3.1　基于查詢驅動圖卷積網絡的社區(qū)搜索　127　
6.3.2　基于圖神經網絡的輕量級交互式社區(qū)搜索　131　
6.4　本章小結　134　
參考文獻　134　
第7章　總結與展望　136　
7.1　社區(qū)發(fā)現(xiàn)總結與展望　136　
7.2　社區(qū)搜索總結與展望　139　
7.3　本章小結　142　
參考文獻　142