提升合著网络分析：基于学术社团中心度的社区发现算法

本篇论文深入探讨了"基于学术社团中心度的合著网络社区发现算法"这一主题，由吴渝、常雨箫、樊晨达和储伟四位作者共同完成，他们来自重庆邮电大学网络智能研究所。研究背景是针对当前合著网络社区划分算法在揭示合著网络特性方面的不足，提出了一个创新的方法。作者们关注到合著关系的强度，引入了学术社团中心度的概念，这是一种考虑作者之间合作关系深度的度量。 论文的核心算法将学术社团中心度应用到Louvain算法的第二阶段，这一阶段通常用于选择种子节点，通过这种方式，新算法旨在促进小社区向大社区融合，同时避免大社区之间的过度聚集。这种设计旨在更准确地反映出学术社区的实际结构，提升社区划分的合理性。 为了验证新算法的有效性，研究者使用真实合著网络数据集进行了实验。通过多种定量评价指标，如模块度优化，对比了传统方法与新算法的结果，证明了基于学术社团中心度的算法在发现学术社团和社区划分上具有优越性能。论文还采用了可视化技术，如布局算法，直观展示了合著网络社区的结构，使读者能够更好地理解社区划分的细节。 值得注意的是，该研究得到了国家自然科学基金、重庆教委科学技术研究项目以及国家社会科学基金的支持，体现了其学术价值和社会影响力。作者吴渝作为CCF会员和教授，其主要研究领域包括网络智能、数字媒体和数据挖掘，显示出她在该领域的深厚学术积累和实践经验。 这篇论文不仅提供了一种改进的合著网络社区发现算法，而且展示了如何结合理论与实践，以提升学术社区分析的精度和有效性。对于理解和分析学术合作模式、挖掘科研趋势等方面具有重要的理论和实际意义。