DF Louvain：面向动态图的快速递增扩张社区检测方法

社区检测是识别网络中自然划分的问题，其中一个相关挑战是如何在快速演化的图上找到社区。在本报告中，我们提出了Parallel Dynamic Frontier（DF）Louvain算法，该算法在给定边的删除和插入批处理更新后，能够以最小开销增量地识别和处理受影响顶点的近似集合，同时采用新颖的方法来递增更新顶点的加权度数和社区的总边权。我们还实现了Naive-dynamic（ND）和Delta-screening（DS）Louvain的并行版本。在配备64核AMD EPYC-7742处理器的服务器上，我们的实验表明，DF Louvain在真实动态图上相对于Static、ND和DS Louvain分别获得了179倍、7.2倍和5.3倍的加速比，在大规模随机批处理更新图上分别快183倍、13.8倍和8.7倍。此外，DF Louvain在线程数翻倍时性能提升1.6倍。