1. 研究目的与意义（文献综述）

如今，网络现象如今已融入到社会生活的方方面面，复杂网络[1]也日渐成为研究学者密切关注的研究方向。复杂网络作为现今备受的重要研究领域，可以有助于人们可以更好地理解、分析与研究复杂系统相关结构与特性[2]。

从复杂网络上进行社区发现具有很多的现实意义与价值，进而对人们的生活产生很大的积极影响，已广泛应用于网络舆情监控、个性化推荐、广告投放等方面[3]。微博、知乎、facebook等在线社交应用中[4]，从海量网络交流信息中识别具有相似主题的信息，通过发现用户集中讨论的群体主题来把握网络中的热点主题，同时跟踪发现用户对于热点主题的观点倾向，把握话题的发展动向；在淘宝、京东等在线零售商中，寻找处于同一社区的潜在客户，对具有相近的消费喜好及消费水平的顾客群体，推荐相应类别的商品，建立高效的推荐系统，提高零售商的商业机会，从而提高销售量；在交通运输领域，社区划分检测出发生交通事故比例较高的路段，从而保障整个交通运输网络的畅通运行与安全；在文献信息检索方面，通过社区发现将属于同一领域的论文聚集起来，从而使得研究学者们更准确、有效地查询到相关资料。复杂网络的社区结构发现已成为当前研究复杂网络的热点趋势，如何从复杂网络中发掘出潜在的社区结构是非常值得科研人员关注的问题，对深入研究复杂网络结构与功能特征具有重要的价值与意义，并且有助于发现网络数据背后所蕴藏的规律或关联信息[5]。

随着众多研究学者的不懈努力，复杂网络中的社区发现算法研究已取得快速的发展与进步[6]。如今，复杂网络领域中具有代表性的社区发现算法主要包含基于图分割算法、基于层次聚类算法以及基于划分优化算法等[7]。

2. 研究的基本内容与方案

1研究总体内容、目标：

a. 复杂网络的学习

复杂网络是复杂系统的抽象。网络中的节点表示系统的个体，边表示个体之间的关系。其中社区结构是复杂网络中的一个普遍特征，整个网络是由许多个社区组成的。给定一个网络图，找出其社区结构的过程叫做社区发现。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识。确定方案，完成开题报告。

第4－10周：完成英语论文翻译；参考相关文献研究网络社区结构发现与标签传播机器学习方法，编写matlab程序，收集相关的文档和资料，完成典型网络社区结构发现的设计工作。

第11-16周：进行调试、仿真、资料整理，完成论文撰写工作。

4. 参考文献（12篇以上）

[1] 郭世泽, 陆哲明. 复杂网络基础理论[m]. 北京: 科学出版社, 2012: 30-50.

[2] bedi p, sharma c. community detection in social networks [j]. wiley interdisciplinary reviews data mining and knowledge discovery, 2016, 6(3): 115-135.

[3] costa l f, oliveira o, travieso g, et al. analyzing and modeling real-world phenomena with complex networks: a survey of applications. advances in physics, 2011, 60(3): 329-412.