社团层次结构检测方法综述：层次聚类、局部扩展与超网络应用

本文是一篇关于社团层次结构研究的综述，由陈凤娇和李侃两位作者撰写，发表于北京理工大学计算机学院，地址位于北京100081。社团层次结构在复杂网络分析中占据重要地位，它描绘了网络中节点的嵌套关系，如社会网络中的领导与跟随者结构。这种结构对于理解网络的行为和功能至关重要。 文章主要回顾了三种不同的社团层次结构检测方法。首先，层次聚类法是基础且直观的方法，它通过递归划分网络中的节点，形成一个层级分明的结构。这种方法的优点在于其自然地揭示了节点间的层级关系。 其次，局部扩展法是一种通过调整分辨率参数来实现社团层次结构检测的技术。分辨率参数控制了社团划分的细化程度，允许研究人员根据需要发现不同规模的社区，并在保持一定组织结构的同时，捕捉到不同层次的社区结构。 第三类方法更为通用，它涉及到构建超网络，即在原始网络之上构建一个更大的图，然后应用标准的社团检测算法来寻找层次结构。这种方法的优势在于可以利用已有的社团检测工具，灵活适应不同的层次结构需求。 本文的研究强调了社团层次结构在社会网络分析中的价值，尤其是在揭示网络内部的组织结构和动态变化方面。通过这三种方法的比较和应用，作者证明了社团层次结构的检测不仅有助于网络的可视化，还能深化对网络内在规律的理解。文章的关键词包括社团检测、社团层次结构、社会网络和聚类，而其在信息科学领域的分类为TP181，表明了其在计算机科学与技术方面的学术定位。通过这篇综述，读者可以了解到当前社团层次结构检测的最新进展和实用策略。