面向社交网络的子图挖掘方法研究
摘要
随着互联网技术的发展，越来越多的人使用网络社交平台进行社交，使得社交网
络的规模迅速扩大,针对大规模社交网络的社区子图划分已经成为主流的研究方向之
一。子图挖掘算法是社区子图划分的重要手段之一。现有的子图挖掘算法存在着很少
考虑社交网络中节点之间关系程度的不足，并且针对大规模社交网络进行子图结构挖
掘计算时效率低，使得如何提高子图挖掘算法的效果和计算效率成为一个重要的研究
方向。因此，本文提出面向社交网络的子图挖掘算法。
面向社交网络的子图挖掘算法主要工作有：第一，将社交网络图中节点之间的关
系程度抽象为权值并对权值进行了定义，并以此为基准对社交网络图进行第一轮划
分；第二，针对第一轮划分后的子图进行第二轮划分，使用模块度优化验证的方式调
整子图节点的归属，并得到结果子图集合；第三，针对大规模社交网络数据集子图挖
掘计算效率低的问题，提出面向社交网络的动态资源调度算法，通过改进集群资源调
度策略的方式提高子图挖掘的计算效率。在动态资源调度算法中，首先对集群中计算
节点的实时可用资源进行定义，然后将子图计算所需资源与集群中各节点的可用资源
量结合起来，将子图分配给最合适的集群计算节点进行计算。
最后通过在不同规模数据集中的实验结果证明，本文提出的面向社交网络的子图
挖掘算法相较于对比算法能够获得更好的效果，并且可以有效地提高在大规模社交网
络数据集上的计算效率。
关键词：社交网络；子图挖掘；分布式集群；资源调度
面向社交网络的子图挖掘方法研究
Abstract
Withthedevelopmentofinternettechnology,moreandmorepeopleareusingonline
socialplatformsforsocializing,whichhasrapidlyexpandedthescaleofsocialnetworks.
Communitysubgraphpartitioningforlarge-scalesocialnetworkshasbecomeoneofthe
mainstreamresearchdirections.Thesubgraphminingalgorithmisoneoftheimportantmeans
forcommunitysubgraphpartitioning.Theexistingsubgraphminingalgorithmshavethe
disadvantageofrarelyconsideringthedegreeofrelationshipbetweennodesinsocial
networks,andthelowefficiencyofsubgraphstructureminingcalculationsforlarge-scale
socialnetworksmakesitanimportantresearchdirectiontoimprovetheeffectivenessand
computationalefficiencyofsubgraphminingalgorithms.Therefore,thisarticleproposesa
subgraphminingalgorithmforsocialnetworks.
Themainworkofthesubgraphminingalgorithmforsocialnetworks