基于结构相似度的大规模社交网络聚类算法

摘要：

针对社交网络的有向交互性和大规模特性，该文提出一种基于结构相似度的有向网络聚类算法(DirSCAN)，以及相应的分布式并行算法(PDirSCAN)。考虑社交网络中节点间的有向交互性，将行为结构相似的节点聚集起来，并进行节点功能分析。针对社交网络规模巨大的特点，提出MapReduce框架下的分布式并行聚类算法，在确保聚类结果一致的前提下，提高处理性能。大量真实数据集上的实验结果表明，DirSCAN比无向网络聚类算法(SCAN)在F1上可提高2.34%的性能，并行算法PDirSCAN比DirSCAN运行速度提升1.67倍，能够有效处理大规模的有向网络聚类问题。

关键词：社交网络、有向网络聚类、并行算法、MapReduce

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61105049,61300166;中国民航信息技术科研基地开放课题基金CAAC-ITRB-201303, CAAC-ITRB-201204;天津市科技计划项目13ZCZDGX01098;天津市自然科学基金14JCQNJC00600资助课题

在线出版日期：2015-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：449-454