更改

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。