作者:
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:
由于复杂网络链路预测具有广泛的应用价值,现已成为数据挖掘的主要研究方向和研究热点.基于MapReduce背景,利用AUC评价指标,分析复杂网络链路预测.MapReduce作为一种并行处理海量数据的任务调度模式,可以有效规避传统并行链路算法存在的计算机复杂度高和单个计算机内存现在问题.选用6个不同类型的网络,包括社交网络、信息网络和生物网络等进行实验验证.结果显示:MapReduce背景下的复杂网络链路预测分析有效,且选取的各个参照算法的性能基本上是按照同样的规律在波动.
推荐文章
基于聚类分析的复杂网络链路预测性能研究
复杂网络
链路预测
聚类分析
相似性度量
复杂网络链路预测
复杂网络
链路预测
最大似然估计
概率模型
相似性指标
基于聚类分析的复杂网络链路预测性能研究
复杂网络
链路预测
聚类分析
相似性度量
基于层次随机图模型的脑网络链路预测
脑网络
链路预测
最大似然估计
层次随机图模型
马尔可夫蒙特卡罗算法
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 MapReduce背景下的复杂网络链路预测分析
来源期刊 微型电脑应用 学科 工学
关键词 复杂网络 链路预测 MapReduce 并行链路算法
年,卷(期) 2018,(9) 所属期刊栏目 基金项目
研究方向 页码范围 52-54,61
页数 4页 分类号 TP311
字数 2890字 语种 中文
DOI 10.3969/j.issn.1007-757X.2018.09.016
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 常雅文 17 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (84)
共引文献  (211)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1953(2)
  • 参考文献(0)
  • 二级参考文献(2)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(11)
  • 参考文献(1)
  • 二级参考文献(10)
2010(12)
  • 参考文献(2)
  • 二级参考文献(10)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
复杂网络
链路预测
MapReduce
并行链路算法
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
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导