https://github.com/benedekrozemberczki/awesome-community-detection
一系列社区检测论文与实施。
关于图嵌入，分类/回归树和梯度提升论文以及实现的类似集合。
【20190701】社区检测研究论文 - 图1

目录
  1. 因式分解
  2. 深度学习
  3. 标签传播，渗透和随机游走
  4. 张量分解
  5. 光谱方法
  6. 时间方法
  7. 循环模式
  8. 中心性和削减
  9. 物理启发
  10. 其他

    因式分解

  • GMC：基于图的多视图聚类（TKDE 2019）
  • 知识图增强的社区检测和表征（WSDM 2019）
    • Shreyansh Bhatt，Swati Padhee，Amit Sheth，Keke Chen，Valerie Shalin，Derek Doran和Brandon Minnery
    • [纸]
    • [Java参考]
  • 使用自聚类的图嵌入（Arxiv 2018）
  • 对称NMF与PU学习的非线性归属图聚类（Arxiv 2018）
  • 用于社区检测的深度自动编码器非负矩阵分解（CIKM 2018）
  • 在社交网络中结合拓扑和内容的自适应社区检测（基于知识的系统2018）
    • 秦梦，金迪，雷凯，波格丹加布里斯，卡塔齐娜，穆斯塔尔 - 加布里斯
    • [纸]
    • [Matlab参考]
  • 学习社区识别和总结的潜在因素（IEEE Access 2018）
  • 贝叶斯鲁棒归因图聚类：部分异常和群体结构的联合学习（AAAI 2018）
  • 社交媒体上的情感驱动的社区分析和检测（ACM HSM 2018）
  • TNE：网络表示学习的潜在模型（Arxiv 2018）
  • 对称NMF与PU学习的非线性归属图聚类（Arxiv 2018）
  • 社区保留网络嵌入（AAAI 17）
  • 具有多个图的自加权多视图聚类（IJCAI 17）
  • 归属异构信息网络中的半监督聚类（WWW 17）
  • 通过社区检测和节点嵌入学习社区嵌入（CIKM 2017）
    • Sandro Cavallari，Vincent W. Zheng，Hongyun Cai，Kevin Chen-Chuan Chang和Erik Cambria
    • [纸]
    • [Python参考]
  • 网络中群集数量的交叉验证估算（2017年科学报告）
  • 社区检测中群集数量选择的比较分析（ArXiv 2017）
  • 基于稀疏线性编码的基于子空间的网络社区检测（TKDE 2016）
  • 通过谐波模块检测联合群落和结构孔扳手（KDD 2016）
  • 通过熔融负载进行社区检测主成分分析（2016）
    • 理查德萨姆沃思，杨峰和易宇
    • [R参考]
  • 基于局部图规则化的多视图非负矩阵分解特征提取（IEEE ICIP 2015）
  • 使用潜在空间图规则化的统一半监督社区检测框架（IEEE TOC 2015）
  • 通过测量空间嵌入进行社区检测（NIPS 2015）
  • 用于社区网络社区检测的图形正则化的非负矩阵三分解（IJCAI 2015）
  • 通过变分EM算法对聚类分布图进行社区检测（大数据2014）
  • 改进的图形聚类（2014年信息网络理论）
  • 大规模重叠社区检测：非负矩阵分解方法（WSDM 2013）
  • 用于图聚类的对称非负矩阵分解（SDM 2012）
  • 基于模型的属性图聚类方法（SIGMOID 2012）

  • 使用贝叶斯非负矩阵分解进行重叠社区检测（Physical Review E 2011）

  • 线图神经网络监督社区检测（ICLR 2019）

  • CommunityGAN：使用生成性对抗网进行社区检测（ArXiv 2019）
  • 一种基于双数据表示的自适应图学习方法（模式识别2018）
  • 通过先前诱导的等效超级网络提高社区检测的效率和有效性（科学报告2017）
    • Liang Yang，Di Jin，何晓晓，Fuazhu Fu，曹晓春和Francoise Fogelman-Soulie
    • [纸]
    • [Python参考]
  • MGAE：用于图形聚类的边缘图自动编码器（CIKM 2017）
  • 使用动态嵌入的图形聚类（Arxiv 2017）
  • 基于模块化的社区检测与深度学习（IJCAI 2016）

  • 学习图形聚类的深度表示（AAAI 2014）

  • 基于动态图的密度峰聚类标签传播（Expert Systems 2019）

    • Seyed Amjad Seyedi，Abdulrahman Lotfi，Parham Moradi和Nooruldeen Nasih Qader
    • [纸]
    • [Matlab参考]
  • 通过信息流模拟进行社区检测（ArXiv 2018）
  • 多个本地社区检测（ACM SIGMETRICS 2017）
  • 大型网络中局部社区检测的Krylov子空间逼近（ArXiv 2017）
  • 许多负责人比一个人更好：多步行者链的本地社区检测（ICDM 2017）
  • 改善PageRank以进行本地社区检测（ArXiv 2016）
  • 大图数据聚类的有限随机游走算法（大数据期刊2016）
  • 基于结构和内容的社区检测：内容传播视角（ICDM 2015）
  • 使用慢速混合随机游动建模社区检测（IEEE大数据2015）
  • GossipMap：面向十亿边缘图的分布式社区检测算法（SC 2015）
  • 使用种子集扩展重叠社区检测（CIKM 2013）
  • 基于影响的网络 - 不经意的社区检测（ICDM 2013）
  • SLPA：通过演讲者 - 听众互动动态过程揭示社交网络中的重叠社区（ICDMW 2011）
  • 动态移动Ad Hoc社交网络用户稳定社区的生成（IEEE ICOIN 2011）
  • SHARC：使用邻域相似性的移动Ad Hoc网络的基于社区的分区（IEEE WoWMoM 2010）
  • 基于结构/属性相似性的图聚类（WSDM 2009）
  • 桥接边界：复杂网络中有效社区发现的本地方法（ArXiv 2009）
    • Symeon Papadopoulos，Andre Skusa，Athena Vakali，Yiannis Kompatsiaris和Nadine Wagner
    • [纸]
    • [Java参考]
  • 地图方程式（欧洲物理期刊专题2009）
  • Biclique社区（Physical Review E 2008）
  • 中国低语：一种高效的图聚类算法及其在自然语言处理问题中的应用（HLT NAACL 2006）

  • 一种高效的蛋白质家族大规模检测算法（核酸研究2002）

  • 用于推荐系统和社区检测的耦合图和张量分解（TKDE 2018）

    • Vassilis N. Ioannidis，Ahmed S. Zamzam，Georgios B. Giannakis，Nicholas D. Sidiropoulos
    • [纸]
    • [matlab参考]
  • 多层网络中的社区检测，链路预测和层相互依赖（Physical Review E 2017）
    • Caterina De Bacco，Eleanor A. Power，Daniel B. Larremore和Cristopher Moore
    • [纸]
    • [Python参考]
  • 通过约束PARAFAC重叠社区检测：分而治之的方法（ICDM 2017）

  • 通过GPU上的在线张量方法快速检测重叠社区（ArXiV 2013）

  • 通过矩阵幂方法对符号图进行谱聚类（ICML 2019）

  • 通过谱约束进行结构化图形学习的统一框架（ArXiv 2019）
    • Sandeep Kumar，Jiaxi Ying，JoséViníciusdeMiranda Cardoso和Daniel Palomar
    • [纸]
    • [R参考]
  • 使用随机分箱功能的可扩展光谱聚类（KDD 2018）
    • 吴凌飞，陈品玉，Ian En-Hsu Yen，徐芳丽，夏应龙，Charu Aggarwal
    • [纸]
    • [Matlab参考]
  • 社区检测和随机区块模型：最新进展（JMLR 2018）
  • 理解通过图形电导的正则化光谱聚类（NIPS 2018）
  • 用于社区检测的局部偏置谱近似（基于知识的系统2018）
  • 欧几里德随机图的社区检测（电子杂志2018年）
  • L0-惩罚图拉普拉斯算子的社区检测（电子杂志2018年）
  • 用于频谱图聚类的相变和模型顺序选择标准（IEEE TSP 2018）
  • 复杂网络中检测社区的J-SC算法（物理快报2017）
  • 用于社区检测的局部Lanczos谱近似（ECML PKDD 2017）
  • AMOS：用于谱图聚类的自动模型顺序选择算法（ICASSP 2017）
  • 使用主动光谱聚类增强社交网络中的社区检测（SAC 2016）
  • 使用拉普拉斯算子的几何平均聚类有符号网络（NIPS 2016）
  • 基于图形滤波和基于地标的表示的光谱聚类（ICASSP 2016）
    • Nicolas Tremblay，Gilles Puy，Pierre Borgnat，RémiGribonval和Pierre Vandergheynst
    • [纸]
    • [Python参考]
  • 揭示大型网络中的小型社区结构：本地频谱方法（WWW 2015）
  • 通过二分图的大规模多视图谱聚类（AAAI 2015）
  • 通过谱算法在随机块模型中进行准确的社区检测（Arxiv 2014）
  • 通过约束增强自学光谱聚类（SDM 2014）
  • 通过Pareto优化的多目标多视图谱聚类（SDM 2013）
  • 有向图的共聚类：随机共块模型和谱算法Di-Sim（ArXiv 2012）
  • 模块网络随机块模型的渐近分析及其算法应用（Physical Review 2011）
    • Aurelien Decelle，Florent Krzakala，Cristopher Moore和Lenka Zdeborova
    • [纸]
    • [C ++参考]
  • 稀疏网络模块检测中的相变（Physical Review Letters 2011）
    • Aurelien Decelle，Florent Krzakala，Cristopher Moore和Lenka Zdeborova
    • [纸]
    • [C ++参考]
  • 有源光谱聚类（ICDM 2010）
  • 灵活的约束光谱聚类（KDD 2010）

  • 基于图p-Laplacian的谱聚类（ICML 2009）

  • DynComm R软件包 - 针对不断发展的网络的动态社区检测（Arxiv 2019）

    • Rui Portocarrero Sarmento，LuísLemos，MárioCordeiro，Giulio Rossetti和Douglas Cardoso
    • [纸]
    • [R参考]
  • 基于块结构的图序列时序模型（Arxiv 2018）
  • DyPerm：最大化动态社区检测的持久性（PKDD 2018）
  • 以内容为中心的网络中的时间演变社区检测和预测（ECML 2018）
    • Ana Paula Appel，Renato LF Cunha，Charu C. Aggarwal和Marcela Megumi Terakado
    • [纸]
    • [Python参考]
  • 用于图聚类的流式算法（Arxiv 2017）
  • 基于模型的时间演化网络聚类通过时间指数族随机图模型（Arxiv 2017）
  • 基于网络结构扰动和拓扑相似性的动态社区检测（统计力学杂志2017）
  • RDYNì：图表基准处理社区动态（Arxiv 2017）
  • 通过陌生人限制连续检测时间社区（科学报告2012）

  • GraphScope：大型时间演化图的无参数挖掘（KDD 2007）

    • Jimeng Sun，Christos Faloutsos，Spiros Papadimitriou和Philip S. Yu
    • [纸]
    • [Java参考]

      循环模式

  • 从鲁汶到莱顿：保证联系紧密的社区（科学报告2019）

  • 复杂网络中的反社区检测（SSDBM 2018）
    • Sebastian Lackner，Andreas Spitz，MatthiasWeidemüller和Michael Gertz
    • [纸]
    • [C参考]
  • ComSim：使用周期和节点相似性的二分社区检测算法（复杂网络国际研讨会2018）
  • 通过边缘加权方案实现自适应模块化最大化（Information Sciences 2018）
  • 使用结构和大小进行半监督社区检测（ICDM 2018）
  • 基于图表绘制的节省空间的数据聚类（SDM 2018）
  • 使用节点对采样的分层图聚类（Arxiv 2018）
  • 加权图流中基于优先级的聚类（JISE 2018）
    • Mohsen Saadatpour，Sayyed Kamyar Izadi，Mohammad Nasirifar和Hamed Kavoosi
    • [纸]
    • [Java参考]
  • 多视图聚类的图形学习（2017年Cybernetics上的IEEE交易）
  • DCEIL：CEIL分数的分布式社区检测（IEEE HPCC 2017）
  • 使用网络拓扑和基于规则的分层弧合并策略的社区检测算法（PLOS One 2017）
  • 局部高阶图聚类（KDD 2017）
  • ComSim：使用周期和节点相似性的二分社区检测算法（复杂网络2017）
  • 用于蛋白质复合物鉴定的进化图谱聚类（IEEE计算生物学与生物信息学2016年）
  • pSCAN：快速精确的结构图聚类（ICDE 2016）
  • 以节点为中心的社交网络重叠社区检测（IWSCN 2016）
  • 使用密度切割的图形聚类（Arxiv 2016）
  • 使用协作相似性度量的图谱内聚类（DPCD 2015）
  • 大型真实图形的高质量，可扩展和并行社区检测（WWW 2014）
  • GMAC：针对当地社区检测的种子不敏感方法（DaWak 2013）
  • 关于最大拟Clique问题（离散应用数学2013）
  • 具有节点属性的网络中的社区检测（ICDM 2013）
  • 使用（α，β） - 社区检测社交网络的结构（IWAMW 2011）
    • Jing He，John Hopcroft，Liang Hongyu，Supasorn Suwajanakorn和Liaoruo Wang
    • [纸]
    • [Python参考]
  • Multi-Netclust：在多参数网络中查找连接群集的有效工具（IWAMW 2011）
    • Arnold Kuzniar，Somdutta Dhir，Harm Nijveen，SándorPongor，Jack AM Leunissen
    • [纸]
    • [C参考]

  • 大型网络中社区的快速展开（统计力学杂志2008）

  • 并行化基于剪枝的图结构聚类（ICPP 2018）

  • 笔记本电脑上大型社交网络中的实时社区检测（PLOS 2018）
    • Benjamin Paul Chamberlain，Josh Levy-Kramer，Clive Humby和Marc Peter Deisenroth
    • [纸]
    • [Python参考]
  • 一种基于图分区的平衡聚类多项式算法（EJOR 2018）
  • 基于网络拓扑和基于规则的分层弧合并策略的社区检测算法（PLOS 2018）
  • 社交网络中的隐藏社区检测（信息科学2018）
  • 自我分裂框架：从非重叠群集到重叠群集（KDD 2017）
  • 面向查询的图聚类（PAKDD 2017）
  • 用于多尺度分层社区检测的快速启发式算法（ASONAM 2017）
  • 签名网络中的社区检测：负面关系在不同尺度中的作用（科学报告2015）
  • 通过图形稀疏化检测社交网络中的社区结构（CODS 2016）
  • 基于密度聚类算法和流形学习的复杂网络社区检测（Physica A 2016）
  • 智能分区地理分布式资源以提高云网络性能（CloudNet 2015）
  • 社区检测的广义模块化（ECML 2015）
    • Mohadeseh Ganji，Abbas Seifi，Hosein Alizadeh，James Bailey和Peter J. Stuckey
    • [纸]
    • [Python参考]
  • 大型复杂网络的在线社区检测（IJCAI 2013）
  • 通过最大增量路径积分进行凝聚聚类（模式识别2013）
  • 图形度链接：有向图上的凝聚聚类（ECCV 2012）

  • 没有特征向量的加权图切割多级方法（IEEE TPAMI 2007）

    • Inderjit S Dhillon，Brian Kulis和Yuqiang Guan
    • [纸]
    • [C参考]

      物理启发

  • 使用偏好网络进行社区检测（Physica A 2018）

  • 社区检测最小描述长度的热力学（ArXiv 2018）
    • Juan Ignacio Perotti，Claudio Juan Tessone，Aaron Clauset和Guido Caldarelli
    • [纸]
    • [Python参考]
  • 流动社区：社区检测算法（Complenet 2017）
    • FerranParés，Dario Garcia-Gasulla，Armand Vilalta，Jonatan Moreno，EduardAyguadé，JesúsLabarta，UlisesCortés和Toyotaro Suzumura
    • [纸]
    • [Python参考]
  • 多层网络社区结构的局部视角（网络科学2017）
  • 将最小社区定义为复杂网络中的同质群体（Physica A 2015）
  • 本地思考，本地行动：检测大型网络中的小型，中型和大型社区（Physica Review E 2015）
    • Lucas GS Jeub，Prakash Balachandran，Mason A. Porter，Peter J. Mucha和Michael W. Mahoney
    • [纸]
    • [Python参考]
  • 利用加权相干邻域关系的标签传播检测社区结构（Physica A 2013）
  • 具有Propinquity动力学的大型网络的并行社区检测（KDD 2009）
  • 网络中的拉普拉斯动力学和多尺度模块化结构（IEEE TNSE 2008）

  • 社区检测的统计力学（Phyics Review E 2006）

  • 用于图形聚类的学习分辨率参数（WWW 2019）

  • 多视图共识图聚类（IEEE TIP 2019）
  • Clubmark - 用于聚类算法评估的基准标记框架（ICDM 2018）
  • 发现图分析的模糊结构模式（IEEE TFS 2018）
  • 将大型单细胞RNA-seq样品集合连接在一起（biorxiv 2018）
    • Nikolas Barkas，Viktor Petukhov，Daria Nikolaeva，Yaroslav Lozinsky，Samuel Demharter，Konstantin Khodosevich，Peter V. Kharchenko
    • [纸]
    • [C ++]
  • Watset：同义词图表的同步自动归纳（ACL 2017）
  • 一种基于密度峰的重叠社区检测算法（NeuroComputing 2017）
  • 用于多尺度分层社区检测的快速启发式算法（ASONAM 2017）
  • 通过网络中的社区检测进行时间序列聚类（2016年信息科学）
  • 复杂网络中高质量社区检测的通用优化技术（Physical Review E 2014）
  • 基于信息压缩的多部分多关系网络中的社区检测（2016年新一代计算）
  • 用于特征选择的图聚类与蚁群优化的集成（基于知识的系统2015）
  • 通过最大化模块化及其变体进行社区检测（IEEE TCSS 2014）
  • 用于大规模模块化社区检测的智能局部移动算法（欧洲物理学报B 2013）
  • 贝叶斯分层社区发现（NIPS 2013）
  • 在大规模网络中有效发现重叠社区（PNAS 2013）
  • 在网络中检测社区的有效且有原则的方法（Physical Review E 2011）
  • 超图聚类的游戏理论方法（NIPS 2009）