并行最小割算法及其在金融社交网络中的应用
有效实施金融监管已成为金融健康发展的必要保证. 若能够在金融社交网络中,找到一部分承载网络中所有信息流动的关键节点,便能实现整个金融社交网络的有效监管. 金融社交网络图规模通常较大,须开发大规模图处理并行算法. 本文提出基于分布式图处理平台Pregel的并行最小割算法. 实验基于Apache Spark平台开展,所用数据均来自BoardEx数据库. 实验结果表明,在大规模社交网络图的处理中,该算法具有良好性能. 利用该并行算法得到金融社交网络图的最小割,便可有效实施金融监管.
大数据、社交网络、并行算法、最小割、ApacheSpark
35
TP182(自动化基础理论)
中央高校基本科研业务费专项资金资助项目21615438;广东省自然科学基金资助项目2016A030313084,2016A030313700,2014A030313374;广东省科技计划项目2015B010128007
2018-04-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
46-50