近日，大学科技园黄海副教授团队在国际知名期刊《Chaos, Solitons & Fractals》上发表题为“Fuzzy contrastive graph learning for overlapping community detection”的研究论文。该期刊是非线性科学、复杂系统领域的顶级期刊，为中国科学院一区TOP，影响因子5.6。许昌学院为第一单位，黄海副教授为通讯作者。

复杂网络中的重叠社区检测是网络科学领域的重要难题。现实网络中的节点往往同时属于多个社区（如社交网络中一个人兼具家庭、职业、兴趣等多重身份），传统方法存在采用硬性划分导致信息丢失或扩展性差、深度网络过度平滑等问题。针对上述挑战，黄海团队创新提出模糊对比图学习框架（FCGL），将模糊聚类与自监督对比学习深度融合，通过成员关系感知图增强、软正样本对比损失及多任务优化策略，实现了对重叠社区的柔性建模。

研究团队在多达240万个节点的真实网络数据集上进行验证，结果表明FCGL在ONMI和F1分数上较9种最先进基线方法提升了11%~15%（相对改进率），同时具备线性可扩展性和优异的鲁棒性。该工作为模糊集理论与对比表征学习在重叠社区检测领域的结合提供了新的理论解决方案。

该研究成果研究依托许昌大学科技园人工智能逻辑应用研究中心和河南省偏振感知与智能信号处理国际联合实验室，得到了大学科技园在平台及跨学科协作上的全程支持，体现了大学科技园坚持“需求侧视角”、注重基础研究与应用前景并重的建设理念。（图片由大学科技园提供）