标题：张璇-2016.7.1组会-基于网络的社区发现和角色检测（Integrating Community and Role Detection in Information Networks）
报告人：张璇
摘要：在信息迅速积累的当下，如何在海量信息中发现点与点之间的联系，揭示节点在网络总所扮演的角色和功能，变得十分有意义。前者就是社区发现，找到网络中联系密切的点放归入同一社区；后者是角色检测，定义节点在网络中扮演的职能，是关键节点还是附属节点。本文主要讨论如何解决信息网络中的社区发现和角色检测问题。
在信息网络中解决社区发现和角色检测的问题，传统方法通常只针对其中一个问题去寻找解决的方案，未从联系的角度看待这两个问题。本文作者认为这两个问题是紧密联系的。
本文探讨这两个问题的联系：
（1） 高质量的聚类，有助于更准确地去判断节点在网络中的职能（eg. leader or follower in social networks）
（2） 高质量的节点角色检测，有助于更准确地去聚类（eg.知道关键节点去发散）
基于以上的考虑，本文提出了一个新的概率生成模型（a novel probabilistic generative model），MMMC(Mixed Membership Community and Role model),结合社区检测和角色检测，同步实现社区发现和角色检测。此外，该模型还可以进行链接预测（预测链接存在的可能性）。
创新点：
（1） 将两个问题结合解决，取得了更优的效果
（2） 提出新的模型
（3） 进行链接预测
实验测试：在三个人工生成的网络和两个真实网络数据（企业工作网络和Enron 邮件网络）上测试模型。
术语解释：
role detection：探索节点在网络中的未被发掘的职能（discover the underlying roles of nodes）