本专著的内容分为四大部分，第一部分为绪论，介绍本书研究背景及意义、目前的发展现状、引出本文的具体内容；第二部分为方法论，介绍基于博弈论的符号网络社团发现算法、基于深度网络表示学习的大规模网络社团发现方法、基于演化聚类的动态网络社团发现算法、基于双尺度图小波神经网络的重叠社团发现方法、社团发现和网络表示学习的联合优化等方法的求解框架、流程、原理等，界定各部分具体模型方法的边界；第三部分为基于数学模型和相关算法问题研究，为具体模型方法进行理论推导、证明、设计等内容；第四部分为社团发现在卫星通信地球站组网规划中的应用。本专著的特色是深入浅出为读者介绍社团发现问题，尽量用易于理解的方式展现研究工作和相关内容，面向的读者群体主要包括：计算机科学与技术学相关方向的本科生和研究生、高校相关专业的教师、相关科研机构的研究人员、工业部门相关领域的技术人员、对该问题感兴趣的所有读者。

潘雨，女，1990年出生，辽宁丹东人，陆军工程大学工学博士学位，现为国防科技大学系统工程学院管理科学与工程博士后科研流动站博士后。获军队科学进步三等奖1项，入选国家级人才支持计划1项。主持国家社会科学基金1项、军队级项目1项，参与各类工程项目20余项。授权中国发明专利专利6项，共发表SCI、EI检索学术论文30余篇，以第一作者发表学术论文20余篇。

前言 随着信息技术的不断发展和社交媒体的大量涌入，网络数据呈现爆炸式的增长。如何有效地对网络数据进行表示，并在理想的网络表示上实现重要知识和结构的准确挖掘，逐渐成为近年来社会计算研究的热点。在复杂网络中，社团结构是广泛存在的重要潜在结构。挖掘网络中的社团结构对探索网络潜在特性、理解网络组织结构、发现网络隐藏规律和交互模式等具有重要的理论和现实意义，是网络分析任务的关键研究内容。本书对复杂网络中的符号网络、重叠网络、动态网络、大规模网络的社团发现进行梳理和研究，并对其在卫星通信网络组网规划中的应用进行探索。本书的主要研究内容和创新点如下。 (1) 基于博弈论的符号网络社团发现方法。针对符号网络社团发现问题，构建一种用于符号网络中社团发现的博弈论模型，并设计一种符号网络社团发现算法。将节点作为参与者，根据社团内外的正、负边数构造增益函数，并从理论上证明模型局部纳什均衡的存在。当博弈达到纳什均衡状态时，所有节点的最优策略空间就是最终社团划分的结果。 (2) 基于双尺度图小波神经网络的重叠社团发现方法。针对重叠社团发现问题，提出一种基于双尺度图小波神经网络的重叠社团发现模型，并设计一个具有低频带通滤波特性的图小波核函数，用于挖掘复杂网络中隐含的重叠社团结构。另外，考虑到图概率生成模型在重叠社团中的卓越性能，构建一个基于概率推断模型的损失函数，实现对重叠社团结构的完全无监督学习。 (3) 基于演化聚类框架的动态网络社团发现方法。针对动态时序网络社团发现问题，提出一种基于演化聚类框架的动态网络社团发现方法，该方法利用前一时刻的社团发现结果作为先验信息来减少网络噪...