网络科学 - 社区发现 Community structure and detection及其几个实现工具
首先什么是社区（Community structure）呢？其实并不是指一个网络相互连接的部分，而是一个网络中链接“紧密的部分”，至于怎么定义紧密就有很多方法了。
那么又该如何动手实现呢？？
由于小组主要使用python和R语言编程，所以首先想到networkX这个python包，但是我找了一下里面并没有相应的算法实现。其次是igraph，它提供了python和R语言的接口，然而通过调查，只在R的接口文档里找到了一些社区发现算法，比如几个fast_greedy，等
除了这两个包外，还有一个很不错的包，这个包，小组的成员以前并没有使用过，叫graph-tool，这个包里，实现了一些社区发现的算法。当然在python下还有一些单独的社区发现算法包，但是这些相对独立，这里就不在介绍了
比较好的处理数据与绘制网络图可能要分开，绘制大规模网络图可以使用gephi，使用这个软件可以手动设置可视化的网络图，这样我们使用python等处理网络数据和执行网络算法，使用gephi执行可视化，会是一个很不错的工作流。gephi其实很强大，里面其实也实现了社区发现的一些算法。请参考它的文档。
如果如对比较庞大的数据集。
参考文献
- http://barabasi.com/networksciencebook/resources/chapter9.html
- http://stats.stackexchange.com/questions/2948/how-to-do-community-detection-in-a-weighted-social-network-graph
- http://stackoverflow.com/questions/5822265/are-there-implementations-of-algorithms-for-community-detection-in-graphs?noredirect=1&lq=1
- http://senseable.mit.edu/community_detection/
- http://stackoverflow.com/questions/9471906/what-are-the-differences-between-community-detection-algorithms-in-igraph
- http://stackoverflow.com/questions/24513339/how-to-find-measures-after-community-detection-in-igraph-r?rq=1
