{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,16]]，“日期-时间”：“2024-05-16T17:39:46Z”，“时间戳”：1715881186270}，“出版商位置”：“美国纽约州纽约市”，“参考-计数”：34，“出版者”：“ACM出版社”，“许可证”：[{“开始”：{-date-parts”：[2018,4,23]]，“日期时间”：“2018-04-23T00:00:00Z”，“timestamp”：1524441600000}，“content-version”：“vor”，“delay-in-days”：112，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2018年]}”，“DOI”：“10.1145\/3184558.311570”，“”type“：”进程-文章“，“created”：{“date-parts”：[[2018,4,18]]，“date-time”：“2018-04-18T18:04:25Z”，“timestamp”：1524074665000}，“source”：“Crossref”，“is-referenced-by-count”：29，“title”：[“Attributed Network中的社区检测”]，“prefix”：“10.1145”法国aneuse“}]}，{“given”：“Nistor”，“family”：“Grozavu”，“sequence”：“additional”，“affiliation”：[{“name”：“Paris 13 University，Villetaneuse，France”}]}，{”given“：”Rushed“，”family“：”Kanawati“，”sequence“：”additional“从属关系”：[{“name”：“Paris 13 University，Villetaneuse，France”}]}]，“member”：“320”，“reference”：[{“key”：“key-10.11458/3181570-1”，“unstructured”：“Martin Atzmueller.2015。属性图上的子群和社区分析。在SNAFCA@ICFCA中。“}，{”key“：”key-10.1145\/3184558.311570-2“，”doi-asserted-by“：”crossref“，”unstructured“：”Vincent D Blondel，Jean-loop Guillaume，and Etienne Lefebvre.2008。大型网络中社区的快速发展。《统计力学杂志：理论与实验》2008（2008），P10008。arXiv:arXiv:0803.0476v2“，”DOI“：”10.1088\/1742-5468\/2008\/10\/P10008“}，{”key“：”key-10.1145\/3184558.3191570-3“，”unstructured“：”Brigitte Boden.2014。图形和属性数据的组合聚类。Apprimus Wissenschaftsver公司。“}，{”key“：”key-10.1145\/3184558.3191570-4“，”doi-asserted-by“：”crossref“，”unstructured“：”Cecile Bothorel，Juan David Cruz，Matteo Magnani，and Barbora Micenková.2015。聚类属性图：模型、度量和方法。《网络科学》，2015年1月，1-37日。https:\/\/doi.org\/10.1017\/nws.2015.9 arXiv:1501.0167“，”doi“：”10.1017\/nws.2015.9“}，{“key”：“key-10.1145\/3184558.3191570-5”，“doi-asserted-by”：“crossref”，“unstructured”：“Hong Cheng，Yang Zhou，and Jeffrey Xu Yu.2011。聚类大型属性图：结构相似性和属性相似性之间的平衡。ACM事务处理。知识。发现。数据5，2（2011），12:1-12:33。https:\/\/doi.org\/10.1145\/1921632。1921638“，”DOI“：”10.1145\/1921632“}，{”key“：”key-10.1145\/3184558.3191570-6“，”DOI-asserted-by“：”crossref“，”unstructured“：”David Combe，Christine Largeron，El \\H Od Egyed-Zsigmond，and Mathias Géry.2012。结合科学网络聚类中的关系和文本。2012 IEEE \/ACM社会网络分析和挖掘进展国际会议（2012），1280--1285。https:\/\/doi.org/10.1109\/ASNAM.2012.215”，“doi”：“10.1109\/ASNAM.2012.215”}，｛“key”：“key-10.1145\/31845583191570-7”，“doi断言”：“crossref”，“非结构化”：“David Combe，Christine Largeron，Mathias Géry，and Eld Egyed Zsigmond.2015。I-Louvain:一种属性图聚类方法。智能数据分析进展XIV。Springer，181--192.“，”DOI“：”10.1007\/978-3-319-24465-5_16“}，{”key“：”key-10.1145\/3184558.3191570-8“，”DOI-asserted-by“：”crossref“，”unstructured“：”Juan David Cruz，Cécile Bothorel，and Francois Poulet.2011。增强社交网络中基于熵的社区检测。在社交网络的计算方面（cason），2011年IEEE国际会议，163--168.”，“DOI”：“10.1109”，{“key”：“key-10.1145”，“unstructured”：“TA Dang and E Viennet.2012。基于结构和属性相似性的社区检测。参加数字社会国际会议（ICDS）。7--12.“}，{”key“：”key-10.1145\/3184558.3191570-10“，”doi-asserted-by“：”crossref“，”unstructured“：”Haithum Elhadi and Gady Agam.2013。结构和属性社区检测：组合、集成和选择方法的比较分析。第七届社交网络挖掘与分析研讨会论文集13（2013），10:1-10:7。https:\/\/doi.org\/10.1145\/2501025.2501034“，”doi“：”10.1145\/25010.25.201034“}，{”key“：”key-10.1145\/3184558.3191570-11“，”doi-asserted-by“：”crossref“，”unstructured“：”Issam Falih，Nistor Grozavu，Rushed Kanawati，and Younès Bennani。2017。ANCA：属性网络聚类算法。在复杂网络及其应用VI-2017年复杂网络论文集（第六届复杂网络及其应用国际会议），2017年复杂网络，法国里昂，2017年11月29日至12月1日。（计算智能研究），Chantal Cherifi、Hocine Cherifi.、Márton Karsai和Mirco Musolesi（编辑），第689卷。施普林格，241-252。https:\/\/doi.org\/10.1007\/978-3-319-72150-7_20“，“doi”：“10.1007\/9783-319-72150-7_20”}，{“key”：“key-10.11458/3181570-12”，“doi-asserted-by”：“crossref”，“unstructured”：“B.H.Good，Y.-A.de Montjoye，and A.Clauset.2010。模块化最大化在实际环境中的表现。《物理评论》E，81（2010），046106.“，“DOI”：“10.1103\/PhysRevE.81.046106”}，{“key”：“key-10.1145\/3184558.3151570-13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Stephan Günnemann，Brigitte Boden，Ines Färber，and Thomas Seidl.2013。高效挖掘具有特征向量的图中的子空间和子图组合簇。在太平洋-亚洲知识发现和数据挖掘会议上。Springer，261--275.“，”DOI“：”10.1007\/978-3642-37453-1_22“}，{”key“：”key-10.1145\/3184558.3191570-14“，”DOI-asserted-by“：”crossref“，”unstructured“：”Stephan Günnemann，Ines Farber，Brigitte Boden，and Thomas Seidl.2010。子空间聚类满足稠密子图挖掘：两种范式的综合。在数据挖掘（ICDM）中，2010年IEEE第十届国际会议，IEEE，845--850.“，“DOI”：“10.1109”，{“key”：“key-10.1145”，“unstructured”：“David R.Karger.1993。RNC中的全局最小值，以及简单最小值算法的其他分支。第四届ACM-SIAM离散算法年会论文集（SODA 93）。工业和应用数学学会，美国宾夕法尼亚州费城，21-30。http://\/dl.acm.org\/citation.cfmid=313559.313605“}，{“key”：“key-10.1145\/3184558.3151570-16”，“doi-asserted-by”：“crossref”，“unstructured”：“Andrea Lancichinetti and Santo Fortunato。2011。社区检测中模块化最大化的限制。CoRR abs（2011）。“，”DOI“：”10.1103\/PhysRevE.84.066122“}，{”key“：”key-10.1145\/3184558.311570-17“，”DOI-asserted-by“：”crossref“，”unstructured“：”Christine Largeron，Pierre-Nicolas Mougel，Reihaneh Rabbany，and Osmar R.Zaíane.2015。生成带有社区的属性网络。Plos One 10，4（2015），e0122777。https:\/\/doi.org\/10.1371 \/journal.pone.0122777“，”doi“：”10.1371\/journal.pone.0122577“}，{“key”：“key-10.1145\/3184558.311570-18”，“doi-asserted-by”：“crossref”，”unstructured“：”Nasif Muslim.2016。利用结构数据和属性数据进行社交网络社区检测的组合方法。(2016).“，”DOI“：”10.4236\/sn.2016.51002“}，{”key“：”key-10.1145\/3184558.3191570-19“，”DOI-asserted-by“：”crossref“，”unstructured“：”Waqas Nawaz，Kifayat-Ullah Khan，Young-Goo Lee，and Sungyoung Lee.2015。使用协作相似性度量的图内聚类。分布式和并行数据库（2015），583--603。https://doi.org/10.1007\\s10619-014-7170-x”，“doi”：“10.1007\\s10619-014-7170-x”}，{“key”：“key-10.1145\\3184558.3191570-20”，“非结构化”：“Jennifer Neville，Micah Adler，and David Jensen，2003。使用属性和链接信息对关系数据进行聚类。第18届人工智能国际联合会议《文本挖掘和链接分析研讨会论文集》。9-15.“}，{”key“：”key-10.1145\/3184558.3191570-21“，”doi-asserted-by“：”crossref“，”unstructured“：”Mark EJ Newman and Aaron Clauset.2016。注释网络中的结构和推理。Nature Communications 7（2016），11863.“，”DOI“：”10.1038\/ncomms11863“}，{”key“：”key-10.1145\/3184558.311570-22“，”DOI-asserted-by“：”crossref“，”unstructured“：”M E J Newman.2003。网络中的混合模式。身体检查。E、 统计、非线性和软物质物理学67，2 Pt 2（2003），026126。https:\/\/doi.org\/10。1103\/PhysRevE.67.026126 arXiv:cond-mat\/0209450“，“DOI”：“10.1103\/Phys RevE.67.016126”}，{“key”：“key-10.1145\/3184558.311570-23”，“DOI-asserted-by”：“crossref”，”unstructured“：”M.E.J.Newman和M.Girvan，2004。发现和评估网络中的社区结构。物理学。版本E 69，2（2004年2月），026113。https:\/\/doi.org//10。1103\/PhysRevE.69.026113“，“DOI”：“10.1103\/Phys RevE.69.016113”}，{“key”：“key-10.1145\/3184558.311570-24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Leto Peel，Daniel B.Larremore，and Aaron Clauset.2017。网络中元数据和社区检测的基本事实。《科学进展》3，5（2017）。https:\/\/doi.org\/10.1126\/sciadv.1602548 arXiv:http:\/\/advances.sciencemag.org\/content\/3\/5\/e1602548.full.pdf“，”doi“：”10.1126\/sicadv.162548“}，{“key”：“key-10.1145\/3184558.311570-25”，“unstructured”：“Jitesh Shetty and Jafar Adibi.2004。安然电子邮件数据集数据库模式和简要统计报告。南加州大学信息科学研究所技术报告4，1（2004），120-128。“}，{“key”：“key-10.1145”，“unstructured”：“Jinbo Shi和Jitendra Malik.2000。标准化切割和图像分割。《模式分析与机器智能》，IEEE Transactions on 22，8（2000），888--905。“}，{“key”：“key-10.1145”，“unstructured”：“Karsten Steinhaeuser and Nitesh V Chawla.2008。大型现实社会网络中的社区检测。在社会计算、行为建模和预测中。Springer，168--175。“}，{“key”：“key-10.1145”，“非结构化”：“A.Strehl和J.Ghosh，2003。集群集成：用于组合多个分区的知识重用框架。机器学习研究杂志3（2003），583--617.“}，{“key”：“key-10.1145”，“unstructured”：“Sebastian Thrun，Lawrence K Saul，and Bernhard Schölkopf（Eds.），2004。神经信息处理系统进展16【神经信息处理体系，NIPS 2003年12月8日至13日，加拿大不列颠哥伦比亚省温哥华和惠斯勒】。麻省理工学院出版社。“}，{”key“：”key-10.1145\/3184558.3191570-30“，”doi-asserted-by“：”crossref“，”unstructured“：”徐志强、柯一平、王毅、洪成和詹姆斯·程。2012。基于模型的属性图聚类方法。《2012年ACM SIGMOD国际数据管理会议论文集》。ACM，505--516.“，”DOI“：”10.1145\/2213836.2213894“}，{”key“：”key-10.1145\/3184558.311570-31“，”DOI-asserted-by“：”crossref“，“unstructured”：“徐志强，柯一平，王毅，洪成，詹姆斯·程，2014。GBAGC：属性图聚类的通用贝叶斯框架。ACM Trans。知识。发现。数据9，1（2014），1-43。https:\/\/doi.org\/10.1145\/2629616“，”doi“：”10.1145\/26299616“}，{”key“：”key-10.1145\/3184558.3191570-32“，”doi-asserted-by“：”crossref“，”unstructured“：”Zied Yakoubi and Rushed Kanawati。2014。Licod：领先的社区检测方法。《越南计算机科学杂志》1，4（2014），241--256.“，”DOI“：”10.1007 \/s40595-014-0025-6“}，{”key“：”key-10.1145 \/3184558.3191570-33“，”DOI-asserted-by“：”crossref“，”unstructured“：”Jaewon Yang，Julian McAuley，and Jure Leskovec.2013。具有节点属性的网络中的社区检测。会议记录——IEEE数据挖掘国际会议，ICDM（2013），1151-1156。https:\/\/doi.org\/10.109\/ICDM.2013.167 arXiv:1401.7267“，”doi“：”10.1109\/ICDM.2013.167“}，{“key”：“key-10.1145\/3184558.311570-34”，“unstructured”：“Yang Zhou，Hong Cheng，and Jeffrey Xu Yu.2010。对大型属性图进行聚类：一种有效的增量方法。会议记录——IEEE数据挖掘国际会议，ICDM（2010），689-698。https:\/\/doi.org\/10.109\/ICDM.2010.41“}]，“event”：{“name”：“2018年网络会议的伙伴”，“location”：“Lyon，France”，“缩写词”：“WWW’18”，“number”：“2018”，“赞助商”：[“IW3C2，国际万维网会议委员会”，“SIGWEB，ACM超文本、超媒体和网络特别兴趣小组”]，“start”：{“date-parts”：[2018,4,23]]}，“end“：{“date-parts”：[[2018,4,27]]}}，“container-title”：[“2018年网络会议之友-2018年WWW’18”]，“原始标题”：[]，“链接”：[{“URL”：“http://\/dl.acm.org\/ft_gateway.cfm？id=3191570&ftid=1958346&dwn=1”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性”检查“}]，”deposited”：｛“日期部分”：[[2019,10,16]]，“日期时间”：“2019-10-16T04:46Z”，“时间戳”：1571201176000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“http:\/\/dl.acm.org/citation.cfm？doid=3184558.3191570”｝，“副标题”：[]，“短标题”：[]，“发布”：｛“日期部分”：[[2018]]｝，“引用次数”：34，“URL”：“http:\/\/dx.doi.org/10.1145\/31845583191570“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[[2018]]}}}