更改

跳到导航 跳到搜索
添加1字节 、 2020年4月9日 (四) 23:42
第63行: 第63行:     
将节点集进行划分,就产生了一个个社团。也就是说,每个节点被放入一个社团中,且该社团唯一,这是一个有用的简化,多数社团检测算法都适用于这种类型的社团结构。然而,在某些情况下,则是一个节点位于多个社团(即社团具有重叠性)的社团结构能够更好表示所研究的对象。这可能发生在社交网络中:每个节点代表一个人,而社团代表不同的朋友群体,如: 一个社团代表家庭,另一个社团代表同事,还有一个社团代表来自同一体育俱乐部的朋友等等。 下面所讨论的'''基于团结构的社团检测算法  Clique-based method '''的例子,就属于这种具有重叠性的社团结构。
 
将节点集进行划分,就产生了一个个社团。也就是说,每个节点被放入一个社团中,且该社团唯一,这是一个有用的简化,多数社团检测算法都适用于这种类型的社团结构。然而,在某些情况下,则是一个节点位于多个社团(即社团具有重叠性)的社团结构能够更好表示所研究的对象。这可能发生在社交网络中:每个节点代表一个人,而社团代表不同的朋友群体,如: 一个社团代表家庭,另一个社团代表同事,还有一个社团代表来自同一体育俱乐部的朋友等等。 下面所讨论的'''基于团结构的社团检测算法  Clique-based method '''的例子,就属于这种具有重叠性的社团结构。
 +
    
有些网络可能不具有任何有意义的社团结构。例如许多基本的网络模型,例如'''随机图  Random graph  '''和 '''Barabsi-Albert 模型  Barabási–Albert model  '''就不具有社团结构。
 
有些网络可能不具有任何有意义的社团结构。例如许多基本的网络模型,例如'''随机图  Random graph  '''和 '''Barabsi-Albert 模型  Barabási–Albert model  '''就不具有社团结构。
7,129

个编辑

导航菜单