传统的话题发现研究主要针对于长文本及新闻数据集，大规模短文本具有稀疏、无结构、多噪等特点，传统方法很难有效发现话题。提出了一个融合词共现与加权GN（CW-WGN）算法的快速话题发现方法，描述了CW-WGN方法的详细过程，给出方法的具体算法。采集了sina微博、新闻网站的标题真实的短文本数据，构建了基础测试数据集，采用LDA与K-means方法作为对比进行了大量对比实验。实验结果表明CW-WGN比LDA和K-means方法能够多发现20%以上的正确话题，而且发现的话题纯度也高于LDA与K-means。此外，CW-WGN消耗的时间最少，能够有效地从实际大规模短文本上发现话题。

本资源包含了发表于2019-2021年的关于社团发现领域的最新综述 特色：1、本资源是对以下几篇最新综述论文的精准翻译，可快速对该领域有深入了解；2、不仅仅是翻译，本人还对论文经过严谨排版，公式手动完美复现，保证阅读流畅无障碍。3、对与不喜欢看英文文献或想节约时间的小伙伴强烈推荐！！！ 1、Overlapping Community Detection of Complex Network: A Survey 复杂网络的重叠社团检测：综述 2、A comprehensive literature review on community detection: Approaches and applications 关于社团检测的全面文献综述：方法与应用 3、A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning 社区检测方法的调查：从统计建模到深度学习 4、Deep Learning for Community Detection: Progress, Challenges and Opportunities 深度学习用于社区检测发展、挑战和机遇

本资源包含了几篇关于社团发现的英文文献，从网络/节点表示学习、图聚类、图神经网络等方向来解决的。 特色：1、本资源是对以下几篇论文的精准翻译，且经过严谨排版，公式手动完美复现，保证阅读流畅无障碍。2、对与不喜欢看英文文献或想节约时间的小伙伴强烈推荐！！！ 1、Deep Attributed Network Embedding 2、vGraph: A Generative Model for Joint Community Detection and Node Representation Learning 3、A Unified Framework for Community Detection and Network Representation Learning 4、Attributed Graph Clustering: A Deep Attentional Embedding Approach

本资源是对最新或经典的几篇基于图神经网络的社团发现算法的英文论文的精准翻译，并且经过严谨排版，公式手动完美复现，保证阅读流畅无障碍。对不喜欢看英文文献或想节约时间的小伙伴强烈推荐！！！ 1、CommDGI：CommunityDetectionOrientedDeepGraphInfomax 2、GRAPH ATTENTION NETWORKS 3、Overlapping Community Detection 4、Overlapping Community Detection with Graph Neural Networks

karate数据集（聚类分析） karate数据集，包含karate.gml,karate.txt等文件。

社团发现 资料 论文 PPT LAP[2008]-Fast unfolding of communities in large networks-[Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, Etienne Lefebvre][2009]-Towards Real-Time Community Detection in Large Network-[Ian X.Y. Leung][2012]-社会网络中基于均衡多标签传播的重叠社区发现算法[PPT]社区发现算法-peghoty

社团发现算法实现，包含亚马逊，dolphin，football和polblogs数据集

Newman快速算法，是一种凝聚算法，基于python的复杂网络库--Networkx实现，有源数据和网络可视化呈现

利用python编写的GN算法，可发现网络中的社团，本算法采用模块化系数作为评价标准，具体可以参考博客的有关内容

一个关于复杂网络社团发现的MATLAB工具箱，包括常见的社团发现算法的实现。