CAJ | 학술논문

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.
제출료일충기우대권도병행분해적층차화사구발현방법,해방법채용도화분적방식정의사구결구,병재저충사구결구지상실현료사회망락사구발현병행산법P-SNCD(parallel social network community discovery).P-SNCD산법유효지피면료전통적기우“모괴도”적사구발현방법경향우발현상사규모사구적폐단.동시,해산법능구이가확전적방식,재처리기규모위O(hmn)혹O(hn2)적조건하,이병행계산시간복잡도위O(logn)고효지알굴대규모복잡사회망락중사구밀도위h적사구,기중,n위사회망락절점수,m위변수,h위용호지정적임의사구밀도.소제출적산법대용호삼수수입요구간단,종이사득산법구유교강적실용성.충분적실험수거험증료소제출산법적정학성화고효성.