基于信任度的并行化社区发现算法

摘要：

现有的社交网络快速划分社区算法存在质量低、不能充分利用节点链接信息的问题，而效果较好的划分算法也存在时间复杂度高、无法应用于大规模社交网络的问题。为此，提出一种基于MapReduce的社区发现算法。利用PGP算法内信任者推荐模型迭代计算用户之间的信任强度，通过社区传播的方式聚合节点。在经典数据集上和大规模新浪微博数据集上进行实验，结果表明，该算法能有效度量用户间的信任度，得到准确的社区发现结果。

关键词：社交网络、社区发现、信任度、并行化、信任推荐、微博

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61173048,61300041;中央高校基本科研业务费专项基金资助项目WH1314038;高等学校博士学科点专项科研基金资助项目20130074110015。

在线出版日期：2015-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：81-86,91