个人简历

陈奕男博士，2022年毕业于华南理工大学，2023年入职汕头大学计算机科学与技术系。主要研究方向为复杂网络、社区发现和网络表示学习等，并在《Entropy》、《International Conference on Software Engineering and Knowledge Engineering》等国内外权威期刊与会议上发表代表性论文多篇，担任多个国内外期刊的审稿人。主讲课程包括《程序设计基础》《计算机网络》《计算机应用基础与前沿》等。

主讲课程

《程序设计基础》《计算机网络》《计算机应用基础与前沿》

研究方向简历

社区发现（Community Detection）是复杂网络分析领域的重要研究方向，其目标是在社交网络、互联网、知识图谱、生物网络等复杂系统中自动识别联系紧密、功能相近的节点群体，从而揭示隐藏在海量关联数据背后的组织结构与运行规律。社区发现不仅是复杂网络研究的核心问题之一，也是数据挖掘、人工智能和网络科学领域的重要基础研究课题。

围绕社区发现问题，课题组重点开展多尺度社区发现、社区质量评价、复杂网络层次结构分析等方面的研究。针对现实网络普遍具有层次化、多尺度组织特征的特点，探索如何准确识别不同尺度下的社区结构，如何评价社区划分结果的质量，以及如何从复杂网络中提取关键结构和核心骨干信息。同时，结合图论、信息论、机器学习等方法，研究复杂网络中的结构特征、信息关联规律及其形成机制。

相关研究成果可应用于社交网络分析、推荐系统、知识图谱构建、网络安全、生物信息学等多个领域。欢迎对复杂网络、数据挖掘、图算法、机器学习和人工智能等方向感兴趣的研究生加入团队开展研究。

代表性论文

1.Yinan Chen, Wenbin Ye, and Dong Li. Spectral Clustering Community Detection Algorithm Based on Point-Wise Mutual Information Graph Kernel. Entropy, 2023, 25(12): 1617.

2.Yinan Chen, Chuanpeng Wang, and Dong Li. An Information-Theoretic Approach for Detecting Community Structure Based on Network Representation. Applied Sciences, 12(9), 2022: 4203.

3.Yinan Chen, Dong Li, and Meng Ye. A multi-label propagation algorithm for community detection based on average mutual information. Wireless Communications and Mobile Computing. 2022: 2749091.

4.Yinan Chen, Zhuanming Gao, Dong Li. Graph Embedding Models for Community Detection. SEKE 2022: 34th International Conference on Software Engineering and Knowledge, July 2022, Pages 640-645.

5.Yinan Chen, Chuanpeng Wang, and Dong Li. MINC-NRL: an information-based approach for community detection. Algorithms, 15(1), 2022: 20.

6.李东, 程鸣权, 徐杨, 袁峰, 陈奕男, 付雅晴. 基于平均互信息的最优社区发现方法[J]. 中国科学：信息科学, 2019, 49(5):17.

代表性项目

NTF23021T 基于互信息的社区发现算法研究 立项日期：2023-10-31

ORCID ID/Scopus Author ID/Web of Science ResearcherID

0000-0003-1596-6599