7,129
个编辑
更改
跳到导航
跳到搜索
第9行：
第9行： − + 第64行：
第64行： − +
→属性
在研究计算机、信息网络、社会网络和生物网络等网络时，经常发现网络具有许多不同的特征，包括'''小世界性 Small-world property'''、'''重尾度分布 Heavy-tailed degree distributions '''和'''聚集性 Clustering '''等。 而网络也具有共同特征——都具有社团结构。<ref name=ComSocBio>
在研究计算机、信息网络、社会网络和生物网络等网络时，经常发现网络具有许多不同的特征，包括[[小世界性 Small-world property]]、[[重尾度分布 Heavy-tailed degree distributions ]]和[[聚集性 Clustering ]]等。 而网络也具有共同特征——都具有社团结构。<ref name=ComSocBio>
{{cite journal
{{cite journal
|author1=M. Girvan |author2=M. E. J. Newman | year = 2002
|author1=M. Girvan |author2=M. E. J. Newman | year = 2002
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，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，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。
==重要性==
==重要性==