大规模复杂网络下重叠社区的识别

• 作者: 李志超 王诗懿 董一鸿 钱江波 陈华辉
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 大规模复杂网络 GraphLab 重叠社区识别 社会网络 核心社区
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1575-1582
• 页数: 8页
• 分类号: TP391
• 字数: 7092字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2015.08.016

摘要

随着网络规模的不断扩大，经典的复杂网络重叠社识别算法已不能高效处理现有的大规模网络图数据。本文在 GraphLab 并行计算模型上提出了基于重要节点扩展的重叠社区识别算法 DOCVN （Detecting the Overlapping Community algorithm based on Vital Node Expanding in GraphLab）。算法选取网络中 PageRank 值大的节点作为重要节点，计算其他节点归属于重要节点的节点归属度，并以重要节点为中心形成核心社区及扩展社区，最后根据重要节点间的连接紧密度合并核心社区及扩展社区，并计算出每个节点在所属社区里的节点重要度，实现了大规模网络的重叠社区识别。实验表明该算法与 PD （Propinquity Dynamics）等现有并行算法相比更能有效地识别大规模网络的重叠社区结构。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱江波	宁波大学信息科学与工程学院	54	202	8.0	11.0
2	董一鸿	宁波大学信息科学与工程学院	55	224	8.0	13.0
3	陈华辉	宁波大学信息科学与工程学院	63	319	9.0	15.0
4	王诗懿	宁波大学信息科学与工程学院	3	27	3.0	3.0
5	李志超	宁波大学信息科学与工程学院	2	13	2.0	2.0