近日，大数据研究中心邵俊明教授关于挖掘复杂网络中存在的社团结构的工作"Community Detection based on Distance Dynamics" 在数据挖掘领域顶级会议KDD2015 发表。邵俊明教授为第一作者，该成果主要由邵俊明教授与其本科生韩智超、杨勤丽副教授和周涛教授合作完成，电子科技大学为唯一署名单位。

社团挖掘是大规模网络分析和挖掘的基础，它在社交网络、生物网络、脑网络等诸多方面都有重要的应用。但如何有效地挖掘大规模网络中存在的社团结构仍然面临着巨大的挑战。针对这个基础理论研究问题，邵俊明教授提出了一个新的社团挖掘算法: Attractor。它将网络看作一个动力学系统，每个节点与周围节点进行交互，提出三种直观的交互模式，通过模拟网络中节点间的距离变化动态地发现社团结构。由于社团检测是基于网络内在的连接模式，因此该算法能找出网络中不同大小的固有社团。同时由于算法的时间复杂度低，因此可以处理大规模网络。大量人工数据集和真实数据集上的实验都表明Attractor 算法相比传统算法更具优势。这篇文章的工作为大规模网络中的社团挖掘问题提供了新的思路和方法。

ACM SIGKDD 会议是数据挖掘领域唯一的CCF-A 类会议，也是公认的数据挖掘领域旗舰级会议。目前国内被SIGKDD每年收录的少数几篇文章主要集中在清华大学，南京大学，中国科技大学和复旦大学。这项工作是邵俊明教授自去年加入电子科大以来第二篇被SIGKDD 收录的文章，也是大数据研究中心自去年来第四篇SIGKDD论文。

论文链接：

http://dl.acm.org/citation.cfm?id=2783301