基于MapReduce的大规模网络社区发现算法

作     者：王瀚橙 戴海鹏 陈志鹏 陈树森 陈贵海 WANG Hancheng;DAI Haipeng;CHEN Zhipeng;CHEN Shusen;CHEN Guihai

作者机构：计算机软件新技术国家重点实验室(南京大学)南京210023 

基　　金：国家自然科学基金(62272223 U22A2031 61872178) 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第4期

页      码：11-18页

摘      要：社区发现是社会网络挖掘领域的基本问题。随着海量数据的迅速产生,传统社区发现算法愈发难以处理大规模社会网络。因此,针对大规模网络设计高效的社区发现算法意义重大。文中提出了一种基于MapReduce和k中心聚类的新型分布式算法。首先,该算法提出“朋友圈系数”技术,该技术可更加准确地度量结点间的距离。其次,该算法提出“两阶段k中心聚类”技术,该技术在选取中心点过程中融入结点中心度启发式信息,可显著优化输出结果的模块度。最后,该算法提出“以模块度为优化目标的社区融合”技术,该技术能够在无先验知识的前提下自动确定网络中的社区数目。实验结果表明,所提算法的社区发现结果模块度明显优于最先进的社区发现算法。例如,相比LPA算法,其将模块度平均提升9.19倍。

主 题 词：社区发现 k中心聚类 分布式计算 数据挖掘 大数据 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11896/jsjkx.231100049

馆 藏 号：203126121...