更改

如何对算法进行评价以判断哪些能够更好地检测到社团结构仍悬而未决，必须基于对已知结构的网络的分析。 一个典型的例子是”四组”测试，在这种测试中，一个网络被分成四个大小相等的组(通常每组32个节点) ，由于组内和组间连接的概率各不相同，导致出现了一些具有挑战性的社团结构，这为社团检测制造了一定难度。这样的基准图是康德 Condon 和 卡帕 Karp 的'''种植 l-分区模型  The planted l-partition model '''的特例<ref name=PlantedPartitionModel>

如何对算法进行评价以判断哪些能够更好地检测到社团结构仍悬而未决，必须基于对已知结构的网络的分析。 一个典型的例子是”四组”测试，在这种测试中，一个网络被分成四个大小相等的组(通常每组32个节点) ，由于组内和组间连接的概率各不相同，导致出现了一些具有挑战性的社团结构，这为社团检测制造了一定难度。这样的基准图是康德 Condon 和 卡帕 Karp 的'''种植 l-分区模型  The planted l-partition model '''<ref name=PlantedPartitionModel>

{{cite journal

{{cite journal

  | first1 = A. | last1 = Condon | author1-link = Anne Condon | first2 = R. M. | last2 = Karp | author2-link = Richard Karp

  | first1 = A. | last1 = Condon | author1-link = Anne Condon | first2 = R. M. | last2 = Karp | author2-link = Richard Karp

  | doi = 10.1002/1098-2418(200103)18:2<116::AID-RSA1001>3.0.CO;2-2

  | doi = 10.1002/1098-2418(200103)18:2<116::AID-RSA1001>3.0.CO;2-2

| citeseerx = 10.1.1.22.4340 }}

| citeseerx = 10.1.1.22.4340 }}

</ref>，或者也是'''“随机块模型”  Stochastic block models  '''（一类包含社团结构的随机网络模型）更一般的情形。此外，还提出了其他更灵活的基准测试，允许不同的组大小和非平凡度分布。例如 '''LFR 基准测试  LFR benchmark  ''' <ref name=LFR>

</ref>的特例，或者也是'''“随机块模型”  Stochastic block models  '''（一类包含社团结构的随机网络模型）更一般的情形。此外，还提出了其他更灵活的基准测试，允许不同的组大小和非平凡度分布。例如 '''LFR 基准测试  LFR benchmark  ''' <ref name=LFR>

{{cite journal

{{cite journal

  |author1=A. Lancichinetti |author2=S. Fortunato |author3=F. Radicchi | year = 2008

  |author1=A. Lancichinetti |author2=S. Fortunato |author3=F. Radicchi | year = 2008

常用的计算机生成基准测试从定义良好的社团网络开始。这种结构由于重新布线或删除链接而退化，使得算法越来越难以检测到原始分区。最后，网络到达一个随机点。这种基准可以称为是“开放的”。这些基准的性能是通过'''标准化互信息  Normalized mutual information ''' 或'''信息变化  Variation of information  '''等度量来评估的。 他们将算法得到的解<ref name=fat19/>与原来的社团结构进行比较，评估两个分区的相似性。

常用的计算机生成基准测试从定义良好的社团网络开始。这种结构由于重新布线或删除链接而退化，使得算法越来越难以检测到原始分区。最后，网络到达一个随机点。这种基准可以称为是“开放的”。这些基准的性能是通过'''标准化互信息  Normalized mutual information ''' 或'''信息变化  Variation of information  '''等度量来评估的。 他们将算法<ref name=fat19/>得到的解与原来的社团结构进行比较，评估两个分区的相似性。

==可探测性==

==可探测性==