基于结构相似度的大规模社交网络聚类算法

被引：29

作者：

陈季梦 ^{[1
]}

陈佳俊 ^{[2
]}

刘杰 ^{[1
]}

黄亚楼 ^{[2
]}

王嫄 ^{[1
]}

冯霞 ^{[3
]}

机构：

[1] 南开大学计算机与控制工程学院

[2] 南开大学软件学院

[3] 中国民航大学民航信息技术科研基地

来源：

电子与信息学报 | 2015年 / 37卷 / 02期

基金：

天津市自然科学基金;

关键词：

社交网络; 有向网络聚类; 并行算法; Map Reduce;

D O I：

暂无

中图分类号：

TP301.6 [算法理论]; TP393.02 [];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对社交网络的有向交互性和大规模特性,该文提出一种基于结构相似度的有向网络聚类算法(Dir SCAN),以及相应的分布式并行算法(PDir SCAN)。考虑社交网络中节点间的有向交互性,将行为结构相似的节点聚集起来,并进行节点功能分析。针对社交网络规模巨大的特点,提出Map Reduce框架下的分布式并行聚类算法,在确保聚类结果一致的前提下,提高处理性能。大量真实数据集上的实验结果表明,Dir SCAN比无向网络聚类算法(SCAN)在F1上可提高2.34%的性能,并行算法PDir SCAN比Dir SCAN运行速度提升1.67倍,能够有效处理大规模的有向网络聚类问题。

引用

页码：449 / 454

页数：6