主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
林旺群,卢风顺,丁兆云,吴泉源,周斌,贾焰.基于带权图的层次化社区并行计算方法.软件学报,2012,23(6):1517-1530
基于带权图的层次化社区并行计算方法
Parallel Computing Hierachical Community Approach Based on Weighted-Graph
投稿时间:2010-11-07  修订日期:2011-05-18
DOI:10.3724/SP.J.1001.2012.04076
中文关键词:  社区发现  带权图  并行计算  社会网络  层次化树
英文关键词:community discovery  weighted-graph  parallel computing  social network  hierarchical tree
基金项目:国家自然科学基金(60933005, 60873204); 国家高技术研究发展计划(863)(2010AA012505)
作者单位E-mail
林旺群 国防科学技术大学 计算机学院,湖南 长沙 410073 linwangqun@nudt.edu.cn 
卢风顺 国防科学技术大学 计算机学院,湖南 长沙 410073  
丁兆云 国防科学技术大学 计算机学院,湖南 长沙 410073  
吴泉源 国防科学技术大学 计算机学院,湖南 长沙 410073  
周斌 国防科学技术大学 计算机学院,湖南 长沙 410073  
贾焰 国防科学技术大学 计算机学院,湖南 长沙 410073  
摘要点击次数: 3394
全文下载次数: 4578
中文摘要:
      提出了一种基于带权图并行分解的层次化社区发现方法,该方法采用图划分的方式定义社区结构,并在这种社区结构之上实现了社会网络社区发现并行算法P-SNCD(parallel social network community discovery).P-SNCD 算法有效地避免了传统的基于“模块度”的社区发现方法倾向于发现相似规模社区的弊端.同时,该算法能够以可扩展的方式,在处理器规模为O(hmn)或O(hn2)的条件下,以并行计算时间复杂度为O(logn)高效地挖掘大规模复杂社会网络中社区密度为h 的社区,其中,n 为社会网络节点数,m 为边数,h 为用户指定的任意社区密度.所提出的算法对用户参数输入要求简单,从而使得算法具有较强的实用性.充分的实验数据验证了所提出算法的精确性和高效性.
英文摘要:
      This paper proposes a weighted-graph based hierarchical community detection approach, which defines the community structure with the use of graph partition. With the pre-defined structure, a novel parallel social network community discovery algorithm (P-SNCD for short) is designed. P-SNCD algorithm avoids the disadvantage of traditional modularity based methods, which tend to discover communities of similar scales. Moreover, it can efficiently mine communities in parallel with the CPU scale of O(hmn) or O(hn2) and time complexity of O(logn), where h represents the density of the communities, m represents the total number of links and n represents the total number of nodes. Compared to the most of the existing methods, P-SNCD algorithm requires a few input parameters makes it even more practical. The accuracy and effectiveness of our algorithm is guaranteed by sufficient empirical studies in the later sections.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利