1. 研究目的与意义（文献综述）

以博客、 微博、 Wiki、 多媒体共享网站等为代表的社会化媒体近年来受到广泛的关注和应用，社交网站上的成员通过彼此之间的相互关系构成了一个大规模的社会网络。在这样的复杂网络中，网络中的成员同时具有时间和空间维度上的属性。随着研究的深入，复杂网络的又一重要特性——社区结构越来越引起人们的重视。整个社会网络是由若干个局部密集的社区构成。同一社区内的节点和节点之间的连接很紧密，而社区与社区之间的连接比较稀疏。所以找到网络中的社区结构成为复杂网络研究中的一个热点问题，另一种相似却不同的问题就是社区搜索即找到包含查询节点的社区。社区发现是确定网络中的所有社区，而社区搜索是社区发现的变体。社区结构对于实际应用具有重大的意义：在WWW（World Wide Web）中，社区结构代表了具有相似主题的网页和文档，基于社区的搜索可以改善搜索结果并提高搜索效率；在社会网络中，社区中的成员具有相似的特征，挖掘社区结构有利于提高预测和推荐的准确性；在引文网络中，社区结构代表了某一领域的研究方向，为追踪最新的学术热点提供了依据。

目前，计算机、复杂网络、社会学等学科领域的学者与专家对社区发现进行了深入研究。他们从各自的学科背景出发，提出了一系列的相关理论、方法与技术。2007年Usha NandiniRaghavan等人提出了标签传播算法（LPA），2011年Jierui Xie等人提出一种重叠型社区发现算法SLPA算法，2012年武志昊等人提出了节点所属社区个数不限的BMLPA算法，2015年Rong Hua Li等人提出了一种线性时间搜索的算法来寻找大型网络中具有影响力的社区，2015年Zhi Liu等人提出了基于位置的社区发现算法，2016年Xin Hunag等人提出了ATC模型，2016年黄泳航等人提出了基于学术社区的自适应标签传播算法，2016年Shan Jing等人基于社区搜索提出了一种最优的贪婪算法，可以查找不仅包含查询节点还有共同属性的社区。

尽管众多的研究人员提出了各种研究社区的算法，但是社区结构的分析在实际问题中还没有得到广泛的应用，仅仅涉及Internet网、科学家合作网等领域。而在大脑系统、生物系统、经济系统、管理系统等领域，社区的应用可能会揭示出以往方法未发掘的信息。不仅如此，网络的社区结构对实际问题还有着重要的指导意义。因此，社区结构对分析和解决实际问题有着重要意义，需要进一步的探讨与研究。

2. 研究的基本内容与方案

1、研究的基本内容和目标

社区搜索就是给定一个或几个查询点，找到包含这些查询点的社区结构。社区结构在结构上必须是紧密的。目前，定义社区的方法主要有k-core，即所有顶点的度不小于k，且满足顶点相连且密度相连，还有添加属性的社区，即同一个社区中的成员的属性相似度很大。本文的研究内容是给出社区的合理定义，然后提出一种有效的社区搜索算法。首先，找到合适的数据集作为研究的基础；其次能够在一个大图数据库中发现社区结构，并且能够找到包含查询点的社区；最后设计一种更有效的、复杂度更低的社区搜索算法，并通过对比验证算法的有效性。

2、拟采用的技术方案及措施

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究所需技术准备。确定方案，完成开题报告。

第5－7周：查找数据集，并进行数据预处理。

第8－12周：进行算法设计和程序实现。

4. 参考文献（12篇以上）

[1] rezapoor mirsaleh m, reza meybodi m. a michiganmemetic algorithm for solving the community detection problem in complexnetwork[j]. neurocomputing. 2016, 214: 535-545.

[2] ahmed m m,hafez a i, elwakil m m, et al. a multi-objective genetic algorithm forcommunity detection in multidimensional social network[m]. 2016.

[3] xu y, xu h,zhang d. a novel disjoint community detection algorithm for social networksbased on backbone degree and expansion[j]. expert systems with applications.2015, 42(21): 8349-8360.