本专著的内容分为四大部分，第一部分为绪论，介绍本书研究背景及意义、目前的发展现状、引出本文的具体内容；第二部分为方法论，介绍基于博弈论的符号网络社团发现算法、基于深度网络表示学习的大规模网络社团发现方法、基于演化聚类的动态网络社团发现算法、基于双尺度图小波神经网络的重叠社团发现方法、社团发现和网络表示学习的联合优化等方法的求解框架、流程、原理等，界定各部分具体模型方法的边界；第三部分为基于数学模型和相关算法问题研究，为具体模型方法进行理论推导、证明、设计等内容；第四部分为社团发现在卫星通信地球站组网规划中的应用。本专著的特色是深入浅出为读者介绍社团发现问题，尽量用易于理解的方式展现研究工作和相关内容，面向的读者群体主要包括：计算机科学与技术学相关方向的本科生和研究生、高校相关专业的教师、相关科研机构的研究人员、工业部门相关领域的技术人员、对该问题感兴趣的所有读者。
随着信息技术的不断发展和社交媒体的大量涌入，网络数据呈现爆炸式的增长。如何有效地对网络数据进行表示，并在理想的网络表示上实现重要知识和结构的准确挖掘，逐渐成为近年来社会计算研究的热点。在复杂网络中，社团结构是广泛存在的重要潜在结构。挖掘网络中的社团结构对探索网络潜在特性、理解网络组织结构、发现网络隐藏规律和交互模式等具有重要的理论和现实意义，是网络分析任务的关键研究内容。本书对复杂网络中的符号网络、重叠网络、动态网络、大规模网络的社团发现进行梳理和研究，并对其在卫星通信网络组网规划中的应用进行探索。本书的主要研究内容和创新点如下。
(1) 基于博弈论的符号网络社团发现方法。针对符号网络社团发现问题，构建一种用于符号网络中社团发现的博弈论模型，并设计一种符号网络社团发现算法。将节点作为参与者，根据社团内外的正、负边数构造增益函数，并从理论上证明模型局部纳什均衡的存在。当博弈达到纳什均衡状态时，所有节点的最优策略空间就是最终社团划分的结果。
(2) 基于双尺度图小波神经网络的重叠社团发现方法。针对重叠社团发现问题，提出一种基于双尺度图小波神经网络的重叠社团发现模型，并设计一个具有低频带通滤波特性的图小波核函数，用于挖掘复杂网络中隐含的重叠社团结构。另外，考虑到图概率生成模型在重叠社团中的卓越性能，构建一个基于概率推断模型的损失函数，实现对重叠社团结构的完全无监督学习。
(3) 基于演化聚类框架的动态网络社团发现方法。针对动态时序网络社团发现问题，提出一种基于演化聚类框架的动态网络社团发现方法，该方法利用前一时刻的社团发现结果作为先验信息来减少网络噪声对社团发现的影响。引入社团演化矩阵对社团的演化模式进行建模和跟踪，实现社团演化模式的分析和可视化，同时平滑连续时刻社团演化。
(4) 基于深度网络表示学习的大规模社团发现方法。针对基于拓扑表示的社团发现算法存在计算复杂度高、不能并行计算和无法挖掘网络非线性结构等问题，将网络表示学习与社团发现领域相结合，提出一种基于深度网络表示学习的社团发现方法，实现在大规模、稀疏和高维网络中的社团结构挖掘。通过深度自编码器生成面向社团结构的节点向量，在捕捉潜在社团信息的嵌入空间中执行聚类策略，进而得到准确的社团结构。
(5) 社团发现和网络表示学习的联合优化方法。网络表示学习作为社团发现的前驱服务，决定社团发现的性能，有效的网络表示有助于获得准确的社团结构。同时，作为网络重要的介观描述，在网络表示中融合社团结构有助于生成更具有表征性的网络表示。联合利用两种任务之间相互促进的协同关系，提出一种社团发现和网络表示学习的联合优化框架。在统一的框架中联合优化基于非负矩阵分解的表示学习模型和基于模块度的社团发现模型，在得到准确的社团结构的同时也生成理想的节点低维表示。
(6) 社团发现在卫星通信地球站组网规划中的应用。随着卫星通信需求和地球站数量的增加，如何对卫星通信地球站进行合理的组网规划，提出一种智能且高效的组网规划方法是亟须解决的问题。本书将卫星通信地球站组网规划问题建模为社团发现问题，为大规模和动态卫星通信地球站的智能化组网规划提供了可行方案。
本书是作者在中国人民解放军陆军工程大学攻读博士期间和在国防科技大学博士后流动站工作期间完成的，在这里首先感谢作者的博士生导师胡谷雨教授和潘志松教授，还要感谢在编辑和出版过程中，国防科技大学系统工程学院和清华大学出版社的大力支持。
限于作者水平有限，书中难免有不妥与疏漏之处，敬请各位读者不吝赐教。
著者
2025年1月
第1章绪论
1.1研究背景及意义
1.2基本概念
1.2.1社团结构定义
1.2.2社团发现评价指标
1.3社团发现研究现状
1.3.1基于层次聚类的社团发现方法
1.3.2基于非负矩阵分解的社团发现方法
1.3.3基于深度学习的社团发现方法
1.3.4基于动力学的社团发现方法
1.4社团发现面临的挑战
1.4.1符号网络社团发现
1.4.2动态网络社团发现
1.4.3重叠社团发现
1.4.4大规模网络社团发现
1.5本书内容组织结构
参考文献
第2章符号网络社团发现方法
2.1引言
2.2问题定义
2.3相关工作
2.4基于博弈论的符号网络社团发现方法
2.4.1效用函数
2.4.2纳什均衡
2.4.3算法分析与优化
2.5实验
2.5.1数据集与对比算法
2.5.2真实数据集性能分析
2.5.3人工数据集性能分析
2.5.4算法运行效率分析
2.6本章小结
参考文献
第3章重叠社团发现方法
3.1引言
3.2问题定义
3.3相关工作
3.4基于双尺度图小波神经网络的重叠社团发现方法
3.4.1图小波神经网络重叠社团挖掘模型
3.4.2损失函数
3.4.3图小波核函数
3.4.4图小波的快速近似计算
3.5实验
3.5.1数据集与对比方法
3.5.2实验设置
3.5.3人工数据集性能分析
3.5.4真实数据集性能分析
3.5.5双尺度与单尺度图小波神经网络性能对比
3.6本章小结
参考文献
第4章动态网络社团发现方法
4.1引言
4.2问题定义
4.2.1符号
4.2.2动态社团发现
4.2.3演化聚类框架
4.3相关工作
4.4基于演化聚类框架的动态网络社团发现方法
4.4.1快照代价
4.4.2时间代价
4.4.3先验信息
4.4.4算法分析与优化
4.5实验
4.5.1对比方法
4.5.2人工数据集性能分析
4.5.3真实数据集性能分析
4.5.4社团演化模式分析
4.5.5参数分析与讨论
4.6本章小结
参考文献
第5章大规模网络社团发现方法
5.1引言
5.2问题定义
5.3相关工作
5.4基于深度网络表示学习的大规模网络社团发现方法
5.4.1构建社团结构矩阵
5.4.2生成面向社团信息的节点表示
5.4.3算法分析与优化
5.5实验
5.5.1数据集与对比方法
5.5.2真实数据集性能分析
5.5.3人工数据集性能分析
5.5.4参数分析与讨论
5.6本章小结
参考文献
第6章社团发现和网络表示学习的联合优化方法
6.1引言
6.2问题定义
6.3相关工作
6.4社团发现和网络表示学习的联合优化方法
6.4.1微观结构建模
6.4.2节点属性建模
6.4.3介观社团结构建模
6.4.4联合优化建模
6.4.5算法分析与优化
6.5实验
6.5.1数据集与对比方法
6.5.2网络表示学习任务性能分析
6.5.3社团发现任务性能分析
6.5.4参数分析与讨论
6.6本章小结
参考文献
第7章社团发现在卫星通信地球站组网规划中的应用
7.1引言
7.2问题定义
7.3动态卫星通信网络的组网规划方法
7.4实验
7.4.1数据集与对比算法
7.4.2仿真数据集性能分析
7.5本章小结
参考文献
第8章总结与展望
8.1本书总结
8.2未来展望
新书资讯
