A novel green algorithm for sampling complex networks
A novel green algorithm for sampling complex networks
复制标题
一种用于复杂网络采样的新型绿色算法
DOI：
10.1016/j.jnca.2015.05.021
复制
发表时间：
2016
影响因子：
8.7
通讯作者：
Yang Zhang
中科院分区：
文献类型：
--
作者：
Chao Tong;Yu Lian;Jianwei Niu;Zhongyu Xie;Yang Zhang
近年来，对社会网络等复杂网络的研究逐渐成为热点。由于这些网络规模庞大、结构复杂，对一个完整网络的分析和研究需要大量的计算资源和存储空间，这也会消耗大量的能量。采样算法为解决这一问题提供了一种新的绿色途径。特别是一些与高能耗网络社区相关的研究可以直接在采样网络上进行，保持了原有网络的社区结构。本文基于森林火灾采样的思想和PageRank算法，提出了一种改进的基于PageRank的森林火灾采样算法(IFFST-PR)。IFFST-PR能够保持原有网络的社区结构。我们根据一个称为社区系数的系数，选择一组称为社区簇中心的关键节点。此外，我们还采用PageRank来确定主动采样节点的顺序。为了将IFFST-PR算法与其他6种算法进行综合比较，我们使用网络社区轮廓和Kolmogorov-SmirnoD统计量来证明样本网络与原始网络的一致性。在3个不同的数据集上的实验表明，IFFST-PR在网络社区轮廓中定义的大部分参数方面都比其他6种算法具有更好的性能。
Researches of complex networks such as social networks are becoming popular in recent years. Due to the large scale and complex structure of these networks, analysis and studies on a complete network require a lot of computational resources and storage space, which will also consume a large amount of energy. Sampling algorithms provide a new green approach for this problem. Especially some researches related to network communities with high energy consumption can be directly conducted on the sampled networks, which maintain the community structure of original networks. In this paper, we propose a sampling algorithm named Improved Forest Fire Sampling algorithm based on PageRank (IFFST-PR) based on the idea of Forest Fire Sampling and PageRank algorithm. IFFST-PR can maintain the community structure of original networks. We select a set of key nodes called community cluster center, according to a coefficient named community coefficient. Besides, we adopt PageRank to decide the order of initiative sampling nodes. To make a comprehensive comparison of IFFST-PR with other 6 algorithms, we use network community profile and Kolmogorov–SmirnoDstatistics to prove the consistency between sampled networks and original networks. Experiments applied on 3 different data sets show that IFFST-PR has better performance in terms of most parameters defined in network community profile than those of the other 6 algorithms.
登录
查看更多内容
影响因子：
--
作者：
Leskovec, Jure;Lang, Kevin J.;Mahoney, Michael W.
通讯作者：
Mahoney, Michael W.
DOI：
10.1006/jnca.1996.0014
发表时间：
1996-04
影响因子：
2.7
作者：
J. Hunt;Denise E. Cooke
通讯作者：
J. Hunt;Denise E. Cooke
DOI：
10.1073/pnas.1220826110
发表时间：
2013-07-09
影响因子：
11.1
作者：
Crossley, Nicolas A.;Mechelli, Andrea;Bullmore, Edward T.
通讯作者：
Bullmore, Edward T.
DOI：
10.1016/j.comnet.2007.06.004
发表时间：
2007-10
期刊：
Comput. Networks
影响因子：
--
作者：
Vaishnavi Krishnamurthy;M. Faloutsos;M. Chrobak;Jun-hong Cui;Li Lao;A. Percus
通讯作者：
Vaishnavi Krishnamurthy;M. Faloutsos;M. Chrobak;Jun-hong Cui;Li Lao;A. Percus
DOI：
10.1016/j.physa.2012.09.012
发表时间：
2013-02-01
影响因子：
3.3
作者：
Chen, Qiong;Wu, Ting-Ting;Fang, Ming
通讯作者：
Fang, Ming