并行社区发现算法的可扩展性研究

摘要：

社交网络中往往蕴含着大量用户和群体信息,如话题演化模式、群体聚集效应以及信息传播规律等,对这些信息的挖掘成为社交网络分析的重要任务.社交网络的群体聚集效应作为社交网络的一种特征模式,表现为社交网络的社区结构特性.社区结构的发现已成为其他社交网络分析任务的基础和关键.随着在线社交网络用户数量的急剧增长,传统的社区发现手段已经难以适应,从而催生了并行社区发现技术的发展.对当前主流并行社区发现方法Louvain算法和标签传播算法在超大规模数据集上的可扩展性进行了研究,指出了各自的优缺点,为后续应用提供参考.

关键词：社区发现、并行算法、可扩展性

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点研发计划基金资助项目2017YFB0803303;国家自然科学基金资助项目No.61502517, No.61472438The National Key Research and Development Program of China2017YFB0803303;The National Natural Science Foundation of China61502517, 61472438

在线出版日期：2018-06-12（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：13-20