经典动态社区发现算法(GraphScope算法,FaceNet算法,QCA算法)

1.1 GraphScope算法
GraphScope算法[1,2,3], 是通过合并不同时间点的图结构从而获取到新图, 并对生成的新图应用社区发现。算法的具体过程:
判断新的时间点是否为改变点,即网络结构发生重大改变的时间片， 整个过程不需要用户提供参数
(1) 若是则开始新的时间片并单独进行发现社区，且不对网络的变化进行关注;
(2) 若不是则合并当前时刻和该时间的图结构来获取新的图, 并在新图中应用社区发现算法, 合并后的新图拥有网络变化的各时刻信息, 同时会持续考虑网络的动态变化情况。
1.2 FaceNet算法


1.3 QCA算法
QCA算法[7,8], 是经典的自适应增量式处理网络动态变化的方法, 其t时刻的社区结构是基于上一时刻t-1和t时刻两者之间的网络变化而演化生成的。

评价：GraphScope算法和FaceNet算法在每一个时间片都需更新网络图和重新划分社区, 但一般情况下相邻的社区不会发生很大的变化, 因此这些算法会造成社区划分计算时间过长。QCA算法应用的是时间片递增变化处理方法, 仅对变化的网络部分进行计算, 因此可以提高算法的效率, 但会降低算法的准确率。
[1]Chen J Y, Fagnan J, Goebel R, et al. Meerkat:Community mining with dynamic social networks[C]. Proceeding ICDMW’10 Proceedings of the 2010 IEEE International Conference on Data Mining Workshops, 2009:1733-1754.

[2] Clauset A, Newman M E J, Moore C. Finding community structure in very large networks[J]. Physical Review E, 2004 (6) :66-111.

[3]Coscia M, Giannotti F, Pedreschi D. A classification for community discovery methodsin complex networks[J]. Statistical Analysis and Data Mining, 2011 (5) :512-546.

[4]Datta S, Giannella C, Kargupta H. K-Means clustering over peer-to-peer networks[J]. Physical Review E, 2007 (6) :22-36.

[5]Evans T S, Lambiotte R. Line graphs, link partitions, and overlapping communities[J]. Physical Review E, 2009 (903) :71-81.

[6]顾炎, 熊超.动态社区的点增量发现算法[J].计算机技术与发展, 2017 (6) :81-85, 90.

[7]范晖, 夏清国, 乌伟.基于节点效益纳什均衡的网络社区发现算法[J].计算机工程与设计, 2016 (10) :2775-2779, 2809.

[8]柴丹炜, 刘建生.基于自适应差分演化算法的动态社区发现问题研究[J].江西理工大学学报, 2016 (5) :79-86.