新传媒网社区搜索以包含查询节点的有凝聚力且有意义的社区为目标，引起了人们强烈的研究兴趣，并且最近在各种现实世界网络中得到了广泛的应用。
与来自单个节点和边的低阶方法相比，基于桁架的方法旨在探索复杂网络的桁架结构。然而，从原始连通图构造的基于桁架的超图通常被分割成大量的子图和孤立的节点。
为了解决这些问题，孟涛领导的研究团队在《计算机科学前沿》上发表了他们的新研究。
该团队提出了一种有偏边缘增强方法，以保留和增强存在碎片问题的超图中的高阶连通性。在各种网络上进行了大量的实验，表明我们的方法可以有效地解决碎片问题，并且比一些最先进的方法表现得更好。
在研究中，他们主要研究基于高阶结构的社区搜索问题。社区搜索的目标是搜索包含查询节点的有凝聚力且有意义的社区，引起了人们强烈的研究兴趣，并且最近在各种现实世界网络中得到了广泛的应用。
与来自单个节点和边的低阶方法相比，基于桁架的方法旨在探索复杂网络的桁架结构。然而，从原始连通图构造的基于桁架的超图通常被分割成大量的子图和孤立的节点。
为了解决大多数现有的基于桁架的社区搜索方法面临的碎片问题，他们提出了一种偏置边缘增强方法，以保留和增强具有碎片问题的超图中的高阶连通性。
最初，根据查询节点识别包含所需社区的粗子图。然后，测量子图中每个节点与其的接近度。此外，这些节点根据其邻近度值被分为多个级别，较低级别的节点具有较高的邻近度值。
然后通过将较低级别的节点连接到其之上级别的节点来增强边缘。最后，对子图进行边缘增强的k-truss社区搜索以获得所需的社区。在各种网络上的大量实验表明，所提出的方法可以有效解决碎片问题，并且比一些最先进的方法表现得更好。
