matlab隶属度代码埃德莫特 ⠀ “ EdMot：用于Motif感知社区检测的边缘增强方法” （KDD 2019）的NetworkX实现。 抽象的 网络社区检测是网络分析中的一个热门研究主题。 尽管已提出了许多用于社区检测的方法，但大多数方法仅考虑了单个节点和边缘级别的网络的低阶结构。 因此，它们无法在小的密集子图图案（例如主题）的水平上捕获高阶特征。 近来，已经开发了一些更高阶的方法，但是它们通常集中在基于基元的超图上，该图被假定为连通图。 但是，在某些现实世界的网络中无法确保这种假设。 特别是，超图可能会变得碎片化。 也就是说，尽管原始网络是一个连接图，但它可能由大量连接的组件和孤立的节点组成。 因此，现有的高阶方法将遭受上述碎片问题的严重困扰，因为在这些方法中，即使超图中没有连接的节点属于同一社区，也无法将它们分组在一起。 为了解决上述碎片问题，我们提出了一种用于Motif感知社区检测（EdMot）的Edge增强方法。 主要思想如下。 首先，构建基于主题的超图，并将超图中的前K个最大的连接组件划分为模块。 之后，通过构造边缘集以从每个模块派生集团来增强每个模块内的连通性结构。

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

社区结构不明确的网络中基于随机游动的种子扩展社区检测方法

网络社区检测的一种新型混合算法_路延.caj

面向社区检测的一种新的非负矩阵初始化方法

压缩包中包含了small网络数据集：texas, cornell, washington, wisconsin, 可以用于测试社区发现（community detection），网络嵌入（network embedding