在网络科学的社区发现应用中, 由于所有的网络结构均可以通过关系图来表示, 而图的主要结构表征即为其邻接矩阵; 因此应用矩阵分解学习相关方法, 能有效将整个社区网络中节点聚合到不同社区中, 可以得到很好的应用效果。本书将系统性地介绍目前矩阵分解学习和网络社区发现的主要研究方法, 并针对网络社区发现中数据特性问题, 介绍不同矩阵分解算法, 以社会网络和科学网络为主要应用数据, 进行社区发现相关方法实例与应用介绍。本书以理论、方法和案例结合; 从学术脉络, 逐步展开问题, 从应用角度, 逐步解决问题。