基于社区方法在真实网络中的多团队组建
社会与信息网络
2020-08-26 v1
摘要
在一个组织中，需要多种技能、被称为项目的任务通常分配给团队而非个人。为给定任务以最小通信代价选择合适的团队的问题被称为团队组建问题，文献中已提出许多算法。我们提出了一种利用社交网络社区结构、通过从同一社区内选取一名领导者及其邻居来组建团队的算法。该算法不同于文献中以技能为中心的算法，后者从搜索每种技能的合适专家开始，并未显式考虑底层社交网络的结构。这种称为 TFC 的基于社区的团队组建策略带来了一种可扩展的方法，能在极大型网络上于合理时间内获得团队。此外，对于一项任务，我们的算法 TFC-R 和 TFC-N 从社区中生成多个团队，本文以案例研究形式展示了这一点。实验在著名的 DBLP 数据集上进行，其中任务被视为撰写一篇研究论文，标题中的词被视为技能。团队组建问题被转化为为给定论文寻找具备所需技能且通信代价最小的潜在作者。在此过程中，我们从 DBLP 构建了一个大得多的基准数据集用于团队组建实验。尽管基准算法 Rarestfirst 耗时最少，我们的算法 TFC-N 和 TFC-R 给出了好得多的通信代价。在寻找团队所花时间方面，它们也优于 MinLD 和 MinSD 等标准算法。我们的算法在社区上所花时间比在更大网络上所花时间快几个数量级，且在通信代价上牺牲不大。
引用
@article{arxiv.2008.11191,
title = {Multi-team Formation using Community Based Approach in Real-World Networks},
author = {Ramesh Bobby Addanki and Durga Bhavani S},
journal= {arXiv preprint arXiv:2008.11191},
year = {2020}
}
备注
25 pages, 12 figures