社团发现算法综述

近期想对社区发现领域进行一下简单研究，看到一篇不错的文章，文章是根据国防科大骆志刚教授的论文《复杂网络社团发现算法研究新进展》整理的，主要是对社区发现的一些算法进行简单分析。

一、基于模块度优化的社团发现算法，也就是优化模块度Q值的一部分算法。Q值是由Newman在2004年的论文"Fast Algorithm for Dectecting Community Structure in Networks"中提出的(也就是FN算法)。通过优化Q值来提高模块度是这类算法的主要思路，在此基础上，本文又划分了三个类别：①采用聚合思想，也就是分层聚类中的自底向上的作法。典型算法有Newman快速算法(FN算法)、CNM算法(Finding Local Community Structure in Networks)和MSG-MV算法(Multistep Greedy Algorithm Identifies Community Structure in Real-World and Computer-Generated Networks)等。②采用分裂思想，也就是分层聚类中自顶向下的方法。代表当然就是Newman的GN算法，但是GN的复杂度实在是高了些，所以Newman之后提出的一种谱方法(Modularity and Community Structure in Networks)，吐槽一句Newman真的是这方面的大牛啊。。。再吐槽一句，Newman那本800多大洋的书真是想买但真是贵啊！③直接寻优法，这类算法的两个代表EO算法(Community Detection in Complex Networks Using External optimization)和整数规划方法我还都没有看过，但是一些基于遗传算法和蚁群的智能划分方法也属于此类。但是在2007年的论文"Resolution Limit in Community"中认为基于Q值的优化方法无法处理粒度小于一定程度的网络，虽然后续跟进了一些优化的算法，但是此类方法在处理真实网络时还是很难反映真实的社团结构。



二、基于谱分析的社团发现算法，这类算法的普遍方法是将节点对应的矩阵特征分量看成空间坐标，将网络节点映射到多维向量空间去，运用传统的聚类算法将它们聚集成社团。这种方法不可避免的要计算矩阵的特征值，开销很大，但是因为能直接使用很多传统的向量聚类的成果，灵活性很高。



三、基于信息论的社团发现算法，Rosvall的两篇论文，"An Information-theoretic Framework for Resolving Community Structure in Complex Networks"和"Maps of Random Walks on Complex Networks Reveal Community Structure"分别运用了模拟退火优化算法和随机游走的有效编码方式。09年的论文"Community Detection Algorithms:A Comparative Analysis"已经测试表明该方法是目前非重叠社团发现算法中准确度最高的。



四、基于标号传播的社团发现算法，Raghavan基于网络的边很多时候代表信息的传播这一思想提出的LPA算法(Near Linear Time Algorithmto Detect Community Structures in Large-scale Networks)。LPA算法首先为每个节点指派唯一标号， 在每一步迭代中, 每个节点将自身标号更新为其邻节点出现次数最多的标号，如果存在多个相同的最多标号， 则随机选择一个作为更新值，若干次迭代后密集相连的节点会收敛于同一标号，最终，具有相同标号的节点归为一个社团。该算法时间复杂度为O(m)，收敛速度非常快。"Towards Rea-l time Community Detection in LargeNetworks"中改进了标号更新规则，进一步降低了计算开销。



对于非重叠社团的划分算法已经相对成熟，但是真实世界的网络和这种理想状态相去甚远，经常有某些节点同时具有多个社区的特性，属于多个社区，在这种状况之下，对于重叠社区的划分明显更有意义更贴近真实世界，也因此成为近年来新的研究热点。相应的，本文将重叠社区划分算法分为以下几类：



一、基于团渗透改进的重叠社区发现算法，Palla的论文"Uncovering the Overlapping Community Structure of Complex Networks in Nature and Society"中提出的CPM算法是第一个能发现重叠社区的算法，CPM算法就不展开讨论了，如果是研究重叠社区发现算法的话肯定是看过的。值得一提的是Kumpula在前人基础上提出的SCP算法(Sequential Algorithm for Fast Clique Percolation)较大的提升了团渗透算法的速度。该类算法的问题这篇文章虽然也是简单的一说，但是比之前某些人简单的用一个K值不好确定来敷衍了事要来的有意义的多：基于团渗透思想的算法需要以团为基本单元来发现重叠，这对于很多真实网络尤其是稀疏网络而言，限制条件过于严格，只能发现少量的重叠社团(Identification of Functional Modules in a PPI Network By Clique Percolation Clustering)。



(后面还有几个类别，我觉得因为一个算法而划分为一个分类，实在是没有介绍的必要，当然，也部分因为我觉得那几个我实在是理解不能)



二、基于种子扩散思想的重叠社区发现算法，此类算法的基本思想是以具有某种特征的子网络为种子，通过合并、扩展等操作向邻接节点扩展，直至获得评价函数最大的社团。Lancichinetti 等提出以若干个节点为种子，通过扩展形成对整个网络的覆盖， 即LMF算法(Detecting the Overlapping and Hierarchical Community Structure in Complex Networks)。



三、基于混合概率模型的重叠社区发现，前述的很多算法都是自己给出了社团结构的定义然后相应给出算法，但这样的划分必须对社团先做出符合结构定义的假设。针对此问题，Newman等建立了社团结构的混合概率模型(Mixture Models and Exploratory Analysis in Networks)，以概率方法对复杂网络的社团结构进行探索，以求得期望最大的社团结构，从而避开社团定义的问题。通过该算法能够识别重叠社团，并得到隶属程度大小。然而，该方法基于EM算法来估计未知参数，收敛速度较慢，计算复杂度较高, 一定程度上制约了算法的应用规模。



四、基于边聚类的重叠社团发现，这类方法以边为研究对象，推荐两篇论文：LineGraphs, LinkPartitions, and Overlapping Communities和Link Communities Reveal  Multiscale  Complexity in Networks.前者通过转换网络，可以用非重叠社区的方法提示网络的重叠社团，后者解决重叠性与层次性冲突，提出了变社团。



遗憾的是，文章没有介绍动态变化的复杂网络。