面向大规模应用层拓扑社团发现技术.docVIP

面向大规模应用层拓扑社团发现技术 　　收稿日期：2013-05-09 基金项目：国家重点基础研究发展计划（973）（2011CB302605）；国家高技术研究发展计划（863）（2011AA010705，2012AA012506）； 国家自然科学基金61202457）。 作者简介：黄振（1989-），男，江西抚州人，硕士研究生，主要研究方向：复杂网络、DNS行为分析； 张宇（1979-），男，河北乐亭人，博士，讲师，主要研究方向：网络拓扑、BGP、复杂网络等； 张宏莉（1973-），女，吉林榆树人，博士，教授，博士生导师，主要研究方向：网络与信息安全、网络测量、并行计算等。 面向大规模应用层拓扑的社团发现技术 黄振， 张宇， 张宏莉（哈尔滨工业大学 计算机科学与技术学院， 哈尔滨 150001）摘要：社团发现是复杂网络研究领域里一个极具挑战性的方向。特别地，对于现实世界中许多规模巨大的应用层拓扑，一些社团发现算法因为计算复杂度过高而不适用。另一些社团发现算法的实际性能还有待评估。为此，提出了可用于衡量社团发现算法实际应用价值的三个指标：（1）可扩展性，衡量算法能处理的应用层拓扑的规模；（2）准确度，衡量社团划分结果好坏；（3）敏感度，衡量社团划分结果的一致程度。在7个大规模的现实世界应用层拓扑图上，对三个针对大规模网络的社团发现算法（CNM算法、Wakita算法和Louvain算法）进行了比较分析。实验结果表明，Louvain算法在可扩展性上最优且所得划分结果准确度最高，CNM算法在敏感度上表现最好。 关键词：社团结构； 社团发现； 社交网络； 复杂网络； 大规模网络 中图分类号：TP393 文献标识码：A文章编号：2095-2163（2013）04-0034-05 Community Detection for Large-scale Application-layer Topologies HUANG Zhen，ZHANG Yu，ZHANG Hongli （School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001，China） Abstract：Community detection is a very challenging research direction in the field of complex networks’ research. In particular， as the large scale of real worlds application layer topology， some community detection algorithms are not applicable because of high computational complexity. And some algorithms actual performance remains to be evaluated. Therefore， the paper proposes three indicators that can be used to measure community detection algorithms actual application value： （1） extensibility， used to measure the scale of application layer topology that can be dealt with； （2） accuracy， used to measure the partition result is good or bad； （3） sensitivity， used to measure the partition results consistent. The paper uses seven large-scale application layer topologies to analyze three community detection algorithms for large-scale network， i.e. CNM algorithm， Wakita algorithm and Louvain algorithm. The results show that Louvain algorithm performs best on scalability and accuracy， and CNM algorit