动态社会网络社区演变检测算法与应用

动态社会网络中的社区演变挖掘是2013年的一项重要研究，论文关注于解决静态网络分析中忽视时间特性的问题。在传统的静态网络图中，对社会关系的研究往往无法全面捕捉到随着时间推移网络结构的变化，这可能导致对社区动态行为和结构演变的理解不足。为了弥补这一缺陷，研究者提出了一个针对动态社区的分析框架。 首先，他们强调了对动态社区的定义，即不仅考虑节点之间的连接，还纳入了时间维度，通过定义一系列重大事件来刻画社区内部的动态过程。这种方法有助于更精确地捕捉社区的形成、发展和消亡等关键阶段，以及社区间的交互作用。 论文的核心贡献是提出了一种社区匹配算法，该算法能够有效地检测和追踪随着时间推移而出现的相似社区。通过将社区视为一个动态的过程，而不是孤立的静态实体，这个算法能够跨越时间界限，发现社区在不同时间点上的关联性和连续性。 此外，文中还引入了元社区的概念，这是一个更高层次的抽象，它代表了一系列在不同时间点上具有相似特征或演变轨迹的社区集合。元社区的定义对于理解整个动态网络的社会结构演变至关重要，因为它揭示了社区之间更深层次的关联和演化模式。 实验结果显示，基于提出的社区匹配算法进行社会网络的社区演变挖掘，能够在保持较高准确性的前提下，有效识别出随时间变化的社区，这对于理解社会网络的动态变化、预测未来趋势以及对网络管理具有实际价值。 该研究得到了多个基金项目的资助，包括国家自然科学基金、山东省研究生教育创新计划基金、山东省科技发展基金以及山东师范大学研究生重点课程基金，体现了研究者对这一领域高度关注和投入。 论文的作者团队由臧丽、王红教授（博士生导师）和马兴福硕士研究生组成，他们共同探讨了这一前沿课题，并在2012年8月首次接收稿件，经过修改后于同年10月2日再次提交。通信联系人臧丽的电子邮件地址为zangli05@163.com。 这篇论文为动态社会网络的社区演变分析提供了一个重要的理论框架和实用工具，对于理解复杂网络中的社会行为动态性和演化规律具有重要意义。