2026《关于社区演化研究的国内外文献综述》4100字.docxVIP

-PAGE33-

关于社区演化研究的国内外文献综述

1.1社区演化评估标准研究现状

对于动态网络演化分析问题，通常技术路线是将动态社交网络数据，按照一定的间隔划分时间窗口，基于时间窗口切片为时序的静态社交网络快照，针对静态网络中的社区进行演化分析。动态社区演化研究中，第一个问题是社区提取，该问题已有大量的研究基础；另一个问题就是对于社区演化类型的评估问题，实质是判断连续时序快照内的社区之间是否具有演化关系。一般方法是建立社区之间相似度的计算方法，并根据设定的规则合理的阈值范围，根据相邻时序窗口的社区相似程度进行评估，判断社区是否发生各种演化。当前存在多种社区相似度计算方法，本文基于典型的Jaccard系数。

对于两个集合A,B，Jaccard系数定义为A与B交集的大小与A与B并集的大小的比值，定义如下：

J

在进行社区关系分析中，基于Jaccard系数衡量社区之间的相似度是一种常用方法，Pala等人提出式（1.2）来计算在社交网络问题中，相邻序列时间快照的两个社区的匹配程度。

C

其中，Ct表示t时间窗口的社区，t0为社区初始产生的时间，C表示社区C的节点数目。该公式计算两个社区之间的节点交集在两社区并集的占比来评估两个社区的相似程度，但是其没有考虑到社区节点权重不同的问题。在文献REF_Re\r\h[4]第一次在衡量社区相似程度时，考虑了社区节点的权重，公式如下：

I

其中,C1和C2表示两个不同的社区，将Jaccard系数公式进行变形，后部分乘积共有节点的权重占比，NIC1x是反映节点v在社区G1重要程度的值。一般使用节点的度数、介数等单一指标来度量节点的重要程度，但是因为只考虑了节点的内部属性，所以在评估节点影响力时的有效性并不高。本文认为节点的影响力不仅仅是受节点的社区局部属性

总结以上，对于社区相似程度计算的研究中，现阶段的研究大多数是把基于社区之间的拓扑结构的相似性作为主要的相似度衡量标准，没有更多的考虑到合理评估节点的影响力对于社区相似程度评估结果的作用。以及，虽然在少数考虑到节点影响力的评估方法中，也忽视了节点外部属性对于节点影响力的影响。然而这两者对于动态社交网络研究中的演化评估都有极大的影响。

1.2社区演化分类模型研究现状

社会媒体构成了一个动态、不断演化的环境，与真实的人类世界相映射，形成了一定规模大小的社交网络。特别是当下研究的网络，大多是高度动态的，随着时间推进，在社区中活跃的个体也进进出出，社交网络的交互也在不断地变化，也就是其中的节点和边随着时间出现和消失。社交网络的动态分析，特别是对社区演化的分类，为理解网络结构、识别互动模式的变化、预测网络的未来趋势提供了多种视角。

Leskovec等人REF_Re\r\h[5]基于大型网络的特性，如分布程度和小世界现象，研究了大型社交网络的增长模式。Backstorm等人REF_Re\r\h[6]根据定义的关键指标，对个体加入两个明确定义的社区的概率进行了预估，然后分析这些社区的变化。但是这些研究更多关注的是图级别上的属性，而不是社区级别的属性。Berger-Wolf等人REF_Re\r\h[3]从数学和计算机视角提出了一个框架，可以跟踪网络中社区的演化。该团队在后续的研究中解决了图着色问题REF_Re\r\h[7]，主要通过启发式学习的算法，在不同的社区静态快照上匹配检测到的社区。Falkowski等人REF_Re\r\h[8]通过对所有检测到的不同时间点形成的图进行聚类，来发现社区的演化。

社区演化的核心任务是研究两个方面：一个是判断具有时序关系的社区之间是否相关，具有演化关系，即通过合理的评估标准来确定；另一个就是确定这些社区发生的演化是什么类型的，需要建立有效的社区演化分类模型来确定。

目前，已有许多学者对于这个题目进行了深入研究：2007年Palla等人REF_Re\r\h[9]提出了社区演化问题，他们应用CPM(CliquePercolationMethond)方法REF_Re\r\h[10]对两个连续的快照上发现社区和挖掘社区演化事件。在接下来的时间中，大量的方法被提出来解决这个问题，至今提出的近12种方法，这些基本都关注于定义社区生活中可能发生的事件，从而跟踪历史变化。Asur等人REF_Re\r\h[11]定义了时序的时间快照之间的社区可能发生的关键演化事件。Takaffoli等人在文献REF_Re\r\h[12