本研究探讨了网络社区检测的关键问题，包括社区定义、算法及验证方法，分析了现有方法的优缺点，并提出了基于随机矩阵理论的社区检测、重叠社区检测及深度学习方法，强调了其在金融和社交网络中的应用及未来研究方向。

该文综述随机块模型及其在社区检测中的应用，涵盖重叠社区检测的估计方法与误差下界、混合成员随机块模型、贝叶斯非参数与变分推断、结合GNN的稀疏变分自编码器节点嵌入、粒子滤波在线推理、动态标记网络模型，以及标记随机块模型的谱聚类算法，并讨论可检测性极限与模型选择问题。