论文部分内容阅读
收稿日期:2013-05-09
全文查看链接
现实世界网络的巨大规模对社团发现技术形成了严峻挑战。在已提出的社团发现算法中,绝大部分算法都只能处理几千个节点的网络,而现实世界网络的规模大多在百万个节点以上。这就使得绝大部分社团发现算法在分析现实世界网络方面失去了实际应用价值。Kwak等人[8]已经就社团发现算法的比较开展了一定的研究。为了更为有效地筛选得到具有实际应用价值的社团发现算法,在其工作基础上,本文提出了三个指标来衡量社团发现算法。这三个指标分别是:可扩展性、准确度和敏感度。基于这三个指标,文中使用三个社团发现算法——CNM算法、Wakita算法、Louvain算法——进行了一系列对比实验。通过对实验结果的分析,能够充分理解为什么这三个指标可以体现该算法的实际应用价值,从而为算法的选择以及算法设计提供有益的指导。
全文查看链接
3实验结果分析
全文查看链接
综上所述,在这6个数据上,CNM算法在敏感度方面的表现最好,其得到的社团划分结果比较一致,不容易受节点输入顺序的影响。同时,Wakita算法和Louvain算法的敏感度大小则取决于所处理的图。对于某些图而言,Wakita算法的敏感度相对较低,而对于另外一些图,Louvain算法的敏感度较低。
全文查看链接