近期，我校统计与数学学院硕士研究生刘鑫，以第一作者身份在国际顶级期刊IEEETransactions on Knowledge and Data Engineering 发表了题为“Evaluation of Community Detection Methods”的论文，其导师张忠元教授为通讯作者。IEEE TKDE 是数据挖掘和管理信息系统顶级期刊（2018年影响因子2.775），属于中国计算机学会CCF最高的A类推荐，具有极高的国际声誉与影响力，也是我校外文AA类期刊。

复杂网络中的社团结构探测对于理解网络的拓扑结构和功能有重要意义, 已经成为数据挖掘领域中无监督学习的一个重要问题。该论文研究了一个非常基础的问题: 如何评价社团探测方法。论文首先回顾了目前流行的对社团探测方法进行评价的指标, 比如Rand Index、NMI等, 通过简单明了的例子说明了现有评价指标存在的问题。然后基于整数线性规划方法，将通过社团探测得到的标签与真实标签匹配，从而将无监督学习中的聚类评价问题转化成有监督学习中的分类评价问题，进而提出利用分类评价指标中的kappa值、F1值等对社团探测结果进行评价。该方法可以克服目前聚类评价指标已知的全部问题。此外，该方法不仅适用于社团结构探测方法的评价，还可以进一步拓展到整个无监督学习中聚类问题的评价上，在理论和实际应用上有重要意义。