摘要
针对传统社区发现技术已无法有效处理大规模移动社交网络数据的问题,基于图论知识、网络性质提出山地模型,设计了滑坡算法,采用GraphX分布式图计算框架实现了并行化社区发现算法.模型首先利用模块度的聚类思想初始化山地模型并求取网络中每条边的权重,然后利用滑坡算法,迭代削弱社区间的关系,最终获得网络的社区结构.大量真实和模拟移动社交网络数据上的实验结果表明:所提算法能解决传统社区发现算法无法处理的大规模网络社区划分问题,在保证具有较高的社区识别准确率前提下,在时间性能上较现有并行社区发现算法提高140%以上,16台服务器构成的集群对于1000万个结点构成的大规模网络进行社区发现的时间不超过10 min.
基金项目
四川省科技计划项目(2018JY0448)
四川省科技计划项目(2019YFG0106)
四川省科技计划项目(2019YFS0067)
国家自然科学基金(61802035)
国家自然科学基金(61772091)
国家自然科学基金(71701026)
四川高校科研创新团队建设计划(18TD0027)
广西自然科学基金(2018GXNSFDA138005)
成都信息工程大学中青年学术带头人科研基金(J201701)
成都信息工程大学科研基金(KYTZ201715)
成都信息工程大学科研基金(KYTZ201750)