1、復(fù)雜網(wǎng)絡(luò)，其實(shí)就是復(fù)雜系統(tǒng)的一種抽象，復(fù)雜系統(tǒng)中的個(gè)體可以看成是網(wǎng)絡(luò)中的節(jié)點(diǎn)，而系統(tǒng)中個(gè)體之間按照某種規(guī)則而自然形成或人為構(gòu)造的一種關(guān)系就是節(jié)點(diǎn)之間的邊。在現(xiàn)實(shí)世界中，復(fù)雜網(wǎng)絡(luò)真的是處處可見(jiàn)。換言之，許多領(lǐng)域的系統(tǒng)都可以看作是復(fù)雜網(wǎng)絡(luò)：從科技系統(tǒng)，如WWW和全球交通網(wǎng)絡(luò)；到生物系統(tǒng)，如新陳代謝網(wǎng)絡(luò)和生態(tài)網(wǎng)絡(luò)；再到社會(huì)系統(tǒng)，如科學(xué)家合作網(wǎng)絡(luò)和在線社區(qū)網(wǎng)絡(luò)等等。而發(fā)現(xiàn)網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)即社區(qū)發(fā)現(xiàn)技術(shù)是理解復(fù)雜網(wǎng)絡(luò)過(guò)程中至關(guān)重要的一步，它不僅幫

2、助我們了解該網(wǎng)絡(luò)的結(jié)構(gòu)，而且?guī)椭覀兎治鲈摼W(wǎng)絡(luò)的特性。社區(qū)發(fā)現(xiàn)技術(shù)同時(shí)也廣泛應(yīng)用在生物學(xué)、物理學(xué)、計(jì)算機(jī)圖形學(xué)和社會(huì)學(xué)等領(lǐng)域中。其不僅僅在理論研究方面具有很高的學(xué)術(shù)價(jià)值，在實(shí)際生活中也有著十分重大的實(shí)用價(jià)值。另外，社區(qū)還可以為用戶(hù)提供一些可靠、及時(shí)并且有價(jià)值的信息。
　　 本文首先介紹了現(xiàn)有的社區(qū)發(fā)現(xiàn)技術(shù)的一些理論知識(shí)，然后回顧了一些早期的經(jīng)典社區(qū)發(fā)現(xiàn)算法如Kernighan-Lin算法、譜分析思想以及層次聚類(lèi)方法中的GN分裂算

3、法和Newman快速凝聚算法，同時(shí)還跟蹤了一些近兩三年提出的新算法如Zhenqing Ye等在2008年提出的適應(yīng)性聚類(lèi)算法、Andrea Lancichinetti等在2009提出的基于適應(yīng)度函數(shù)的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法以及Rumi Ghosh等在2010年提出的使用全局影響力度量標(biāo)準(zhǔn)的社區(qū)發(fā)現(xiàn)算法。對(duì)于這些算法，我們分析了它們的優(yōu)勢(shì)，也指出了其不足，并且還分析了算法的復(fù)雜度以及適用范圍等。在理解現(xiàn)有算法的基礎(chǔ)上，我們?cè)诒疚闹刑岢隽藘蓚€(gè)新的

4、發(fā)現(xiàn)網(wǎng)絡(luò)社區(qū)的有效方法：⑴基于社區(qū)緊密度的快速發(fā)現(xiàn)算法FHACC；⑵隨機(jī)游走策略RMS。其中，F(xiàn)HACC算法的提出，是為了解決現(xiàn)有算法的“大計(jì)算量，高復(fù)雜度而導(dǎo)致的難以應(yīng)用在大型社會(huì)網(wǎng)絡(luò)中”的問(wèn)題。FHACC算法不僅能夠有效地發(fā)現(xiàn)社區(qū)，而且時(shí)間復(fù)雜度也很低(接近線性)。而RMS算法的提出，有以下幾方面原因：①傳統(tǒng)的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法，只能得到網(wǎng)絡(luò)在某個(gè)單一層次下的社區(qū)結(jié)構(gòu)，而不能完整地給出網(wǎng)絡(luò)在多個(gè)層次下的社區(qū)劃分狀況；②使用這些算法來(lái)劃

5、分具有重疊社區(qū)結(jié)構(gòu)的網(wǎng)絡(luò)時(shí)，往往也會(huì)顯得力不從心，并且所獲得社區(qū)的質(zhì)量也不是很高；③這些算法都沒(méi)有對(duì)重疊社區(qū)中具有多重身份的節(jié)點(diǎn)進(jìn)行定量地分析，這將隱藏一些重要的信息，并且經(jīng)常導(dǎo)致劃分不正確。我們引入的RMS算法不僅可以發(fā)現(xiàn)網(wǎng)絡(luò)中的重疊社區(qū)，而且也能發(fā)現(xiàn)網(wǎng)絡(luò)在不同層次下的社區(qū)結(jié)構(gòu)。并且我們還引入了社區(qū)傾向性(Community Tendency，簡(jiǎn)稱(chēng)CT)的概念，使我們可以定量地描述重疊社區(qū)，進(jìn)而發(fā)現(xiàn)網(wǎng)絡(luò)中的一些隱藏的重要信息，并且得到