大规模复杂网络下重叠社区的识别

谢谢侬

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．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（ＰｒｏｐｉｎｑｕｉｔｙＤｙｎａｍｉｃｓ）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．
( X- y9 ?) e# A2 N* _. B
+ m5 \; C( i' I7 b# }
6 ^3 S: m4 @5 y. K( @! V( m
3 V! k7 E/ s  I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
3 @; n+ T9 _, c$ {6 M) `
' K2 g" K+ }# s4 {. ~

) W/ n0 C2 _8 o

% ~" e) U; q9 `6 y, o( _附件下载：

游客，如果您要查看本帖隐藏内容请回复

& I9 p; _5 e4 ~9 q- R

rural

强冲击压电陶瓷结构的应力波传播及电压输出特性。