大规模复杂网络下重叠社区的识别

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 Community algorithm based on Vital Node Expanding in GraphLab）。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 （Propinquity Dynamics）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

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No．61472194；浙江省自然科学基金No．LY13F020040；宁波市自然科学基金2013A610063，2014A610023

在线出版日期：2015-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1575-1582