社区发现算法--GN算法

复杂网络发展
1998年Watts和Strogtz提出了WS小世界模型(Small-world network)
1999年Barabasi和Albert提出无标度网络模型(Scale-free network)
人们发现复杂网络具有一定的社区结构。相同类型节点之间连接较多，构成一个一个的小社区，不同类型节点之间连接较少，但成为沟通不同社区的重要通道，这种连接的不均匀性表明，网络内部存在一定的自然分化

社区定义：
对于社区（community），目前没有明确的定义，常见的是Newman和Gievan提出的：社区是图的一个子图，相比于图的其他部分，其中包含着密集的节点，或者等价地说，如果图一个子图内部的链接数量高于这些子图之间的链接数，我们就可以说这个图含有社区
GN算法的思想很直接，按定义来分割： 因为社区内部边连接较多，节点比较紧密，而社区之间边连接比较少，GN算法思想就是直接去除社区之间的边来分割社区；这里的关键问题是怎么识别社区之间的边呢？ 或者说有什么指标能指示边是社区之间边的可能性？ 
GN算法提出了 边介数 的概念来解决该问题， 
边介数： 某条边的边介数是指网络中通过这条边的最短路径的数目
GN算法的基本流程如下：
    1)计算网络中各条边的边介数；
    2)找出边介数最大的边，并将它移除(如果最大边介数的边不唯一，那么既可以随机挑 选一条边断开也可以将这些边同时断开)；
    3)重新计算网络中剩余各条边的边介数；
    4)重复第2)、3)步,直到网络中所有的边都被移除。
优点：
1、在知道划分社