颜 烨 张学文 王立婧

1(重庆大学城市科技学院电气信息学院 重庆 402167)

2(北华大学机械工程学院 吉林 吉林 132021)

0 引 言

近年来，通过观察在这一交互作用下的网络来分析真实世界的交互作用已经变得很普遍。真实世界网络通常表现出的一种有趣的特点就是社区结构特征，就是在网络拓扑下组织而成的模块，它们通常被称作社区或者聚类[1-2]。

受最近出现的大数据的驱动，使用传统方法和算法的真实世界网络群已经几乎不可能在单独的机器中被处理[3]。为了应对这种情况，需要一种分散的并行计算模型来处理大型数据集，将数据集扩展到集群中的多台机器并进行处理[4-5]。

文献[6]提出一种凝聚层次聚类方法，该算法收敛地去最大化模块化功能，通过为网络中的每个节点分配不同的社区来启动该过程。通过不同级别的树形图切割为社区提供不同的分区，可以得到最佳的群落聚类。文献[7]提出分层凝聚优化方法，并且尝试优化网络分区的模块性。优化分两个步骤执行，且两个步骤迭代重复。该算法从属于其自己的社区的网络中的每个节点开始。这两个步骤反复重复，并且在模块增量时停止，因此可获得最大模块。此外，文献[8]提出一种基于短步行的节点相似性度量来捕获节点之间的结构相似性而不是模块性通过分层聚集来识别社区。首先将每个节点分配给自己的社区，并且每对社区的距离是被计算好的。社区根据它们的最小距离进行合并，该过程重复进行，并给出一个称为树状图的社区层次结构。……