基于结构冗余性校准的在线式社会网络压缩

• 作者: 张健沛 杨海陆 杨静
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 在线社会网络 网络压缩 结构合并贡献 损失优化 压缩表达校准
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 专题:社会计算
• 页码范围: 2504-2519
• 页数: 16页
• 分类号: TP301.6
• 字数: 15090字
• 语种: 中文

摘要

随着社交网络、移动互联网等新兴服务的不断涌现,在线社会网络正以前所未有的速度增长并且呈现出极强的演化特性.网络压缩技术能够将大规模网络压缩成规模更小、结构信息更简洁的网络,在数据存储和网络可视化领域发挥着重要作用.现有的压缩算法为了优化压缩损失,重复比对原始网络与压缩网络之间的差异导致过高的时间开销,并且算法仅局限于静态网络,无法满足在线社会网络的演变要求.针对上述问题,提出一种解决演化网络压缩问题的高效算法,首先设计了基于局部化判定的结构合并贡献函数及其快速调整算法,将网络的首次压缩复杂度控制在O(n)到O(mn)之间;其次,设计了一种面向演化网络压缩的动态校准算法,参照网络演化前后拓扑结构的变化,校准前一时刻的压缩表达以避免网络的重复压缩,在满足在线社会网络演变要求的同时提高了压缩效率;最后,通过对真实数据集的实验分析,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	杨海陆	哈尔滨工程大学计算机科学与技术学院	3	9	3.0	3.0