网络社区检测的理论进展综述

现实世界网络通常具有社区结构，即节点被划分为连接稠密的社区。社区检测是网络科学中最受欢迎且研究最为充分的研究主题之一，并引起了计算机科学、统计学、社会科学等诸多不同领域的关注。文献中已提出大量社区检测方法，从临时算法到系统的基于模型的方法。可用方法众多引发了一个基本问题：某一方法能否提供一致的社区标签估计。随机块模型（SBM）及其变体为研究此类问题提供了便利的框架。本文是一篇关于社区检测近期理论进展的综述。作者回顾了若干社区检测方法及其理论性质，包括图割方法、剖面似然、伪似然方法、变分方法、置信传播、谱聚类以及 SBM 的半定松弛。作者还简要讨论了社区检测中的其他研究主题，如鲁棒社区检测、带节点协变量的社区检测与模型选择，并提出了若干未来研究的可能方向。