TKDE21 | 网络社团发现新综述：从统计建模到深度学习

社团检测（community detection）是网络分析的基本任务，旨在将网络划分为多个子结构以帮助揭示其潜在功能，被广泛用于推荐、异常检测、恐怖组织识别等领域。经典的社团检测方法通常利用概率图模型，采用各种先验知识来推断社团结构。随着网络方法试图解决的问题以及要分析的网络数据变得越来越复杂，研究者们提出了新的社团检测方法，特别是利用深度学习将网络数据转换为低维表征的方法。尽管这些方法促进了社团检测的发展，但目前仍然缺乏对社团检测理论和方法基础的系统回顾。因此，我们提出了一个统一架构来概述社团检测领域的最新发展。我们首先全面回顾了现有的社团检测方法，并介绍了一种新的分类法，该分类法将现有方法分为两类：概率图模型和深度学习。其次，我们讨论了两类方法的主要思想，并针对不同方法进行了详细概述。此外，我们还发布了一些社团检测领域常用的基准数据集，重点介绍了社团检测在各种网络分析任务中的应用。最后，我们讨论了社团检测面临的挑战，并对未来可能的研究方向提出了建议。