%0 Journal Article
%T mapreduce环境下的并行复杂网络链路预测
%A 饶君？
%A 吴斌？
%A 东昱晓？
%J 软件学报
%P 3175-3186
%D 2012
%R 10.3724/SP.J.1001.2012.04206
%X 为使链路预测应用于大型复杂网络,设计并实现了一种基于mapreduce计算模型的并行链路预测算法,包含了9种基于局部信息的相似性指标,在稀疏网络上的时间复杂度为o(n).首先,在公共数据集上验证了并行算法的有效性,随着抽取因子的增加,召回率升高而准确率下降.在不同类型的10个大规模复杂网络数据集上的实验结果表明,基于mapreduce计算模型的并行链路预测算法比传统算法具有更高的效率,算法的运行时间随着并行程度的增加而下降.提出并证明了auc(areaunderareceiveroperatingcharacteristiccurve)评价指标的上下界,实验表明,上下界的中值和实际auc值很接近,并且auc评价指标侧重于预测分数值是否为0而不是分数值的大小.在网络拓扑性质中,平均聚集系数对auc值的影响最大,并且auc值随着网络平均聚集系数的增加而提高.
%K 链路预测
%K 复杂网络
%K 局部信息
%K 并行算法
%K mapreduce
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4206&flag=1