摘要:随着网络规模的不断扩大,经典的复杂网络重叠社识别算法已不能高效处理现有的大规模网络图数据.本文在Graphlab并行计算模型上提出了基于重要节点扩展的重叠社区识别算法DOCVN(Detecting the Overlapping CommunityalgorithmbasedonVital NodeExpandinginGraphlab).算法选取网络中PageRank值大的节点作为重要节点,计算其他节点归属于重要节点的节点归属度,并以重要节点为中心形成核心社区及扩展社区,最后根据重要节点间的连接紧密度合并核心社区及扩展社区,并计算出每个节点在所属社区里的节点重要度,实现了大规模网络的重叠社区识别.实验表明该算法与PD(PropinquityDynamics)等现有并行算法相比更能有效地识别大规模网络的重叠社区结构.
关键词:大规模复杂网络 graphlab 重叠社区识别 社会网络 核心社区
单位:宁波大学信息科学与工程学院 浙江宁波315211
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
大观 贵州财经大学学报 贵州开放大学学报 桂林电子科技大学学报 桂林理工大学学报 贵州广播电视大学学报 贵州中医药大学学报 贵州大学学报·艺术版 贵州医科大学学报 贵州工业大学学报·社会科学版相关范文
大规模集成电路