移动社交网络快速社区并行发现算法
韩 楠1,乔少杰2,3,元昌安4,黄 萍1,魏军林2,彭 京5,周 凯5
2020 (1):
94-102.
doi: 10.3969/j.issn.1674-8425(z).2020.01.014
摘要
(
202 )
PDF(1351KB)
(
242
)
针对传统社区发现技术已无法有效处理大规模移动社交网络数据的问题,基于图 论知识、网络性质提出山地模型,设计了滑坡算法,采用 GraphX分布式图计算框架实现了并行 化社区发现算法。模型首先利用模块度的聚类思想初始化山地模型并求取网络中每条边的权 重,然后利用滑坡算法,迭代削弱社区间的关系,最终获得网络的社区结构。大量真实和模拟移 动社交网络数据上的实验结果表明:所提算法能解决传统社区发现算法无法处理的大规模网络 社区划分问题,在保证具有较高的社区识别准确率前提下,在时间性能上较现有并行社区发现 算法提高 140%以上,16台服务器构成的集群对于 1000万个结点构成的大规模网络进行社区 发现的时间不超过 10min。
相关文章 |
计量指标
|