基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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。
推荐文章
大规模社交网络重叠社区发现技术综述
社交网络
重叠社区挖掘
SLPA
TopGC
大规模网络中基于LDA模型的重叠社区发现
社会网络
LDA
社区发现
重叠社区
复杂网络的重叠社区发现并行算法
复杂网络
重叠社区
社区发现
无标度
并行算法
Hadoop
复杂网络的重叠社区及社区间的结构洞识别
复杂网络
重叠社区
多标签传播
结构洞识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 大规模复杂网络下重叠社区的识别
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (8)
同被引文献  (10)
二级引证文献  (12)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(8)
  • 引证文献(2)
  • 二级引证文献(6)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
大规模复杂网络
GraphLab
重叠社区识别
社会网络
核心社区
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
论文1v1指导