随机块模型中的高效分布式社区检测
分布式、并行与集群计算
2019-04-17 v1
摘要
设计有效的社区检测算法是大规模图中一个重要且具有挑战性的问题，文献中已广泛研究。人们提出了各种解决方案，但其中许多是集中式的，具有昂贵的流程（需要输入图的完整知识）且运行时间长。在本文中，我们提出了一种用于随机块模型（也称为植入划分模型）中社区检测的分布式算法，该模型是社区检测和聚类中被广泛研究且具有规范性的随机图模型。我们的算法称为CDRW（基于随机游走的社区检测），基于随机游走，具有局部化和轻量级的特点，且易于实现。该算法的一个新颖特征是使用局部混合时间的概念来识别给定节点周围的社区。我们给出了严格的理论分析，表明该算法能够在随机块模型中准确识别社区，并刻画了算法生效的模型参数。我们还给出了验证理论分析的试验结果。我们还在CONGEST分布式模型以及k-machine模型（一种大规模分布式计算模型）下分析了我们的分布式算法的性能，并表明它可以高效实现。
引用
@article{arxiv.1904.07494,
title = {Efficient Distributed Community Detection in the Stochastic Block Model},
author = {Reza Fathi and Anisur Rahaman Molla and Gopal Pandurangan},
journal= {arXiv preprint arXiv:1904.07494},
year = {2019}
}