【IJCAI 2016】Modularity Based Community Detection with Deep Learning 阅读小记

一、动机
  从低秩嵌入的角度来看，现有的多种社团检测算法中有两类代表：随机模型（Stochastic Model）和模块度最大化模型（Modularity Optimization Model）。在这两种算法的设计中用到了非负矩阵分解和奇异值分解，这两种方法为线性映射。但是，真实的网络存在不同的非线性特征，使得这些方法不能很好地运用。目前，神经网络是一个非常好的非线性映射的方法，所以作者将深度学习应用于社团检测，提出了Nonlinear Reconstruction（DNR）算法。

二、贡献
  1、 具作者所知，他们是第一次成功将深度学习用于社团检测的；
  2、 提出了DNR模型；
  3、 在DNR的基础上加入节点之间关系的约束，提出了semi-DNR模型

三、问题描述：
  给定一个无向无权图$G(N,E)$，$N$为顶点数， E