基于在线社交网络的JPS跳跃并行顶点采样方法

摘要：

针对现有在线社交网络(OSNs)采样方法无法有效地应用于低连通性的社交网络,且采集的样本顶点平均度严重偏离原始社交网络、顶点过度采样等问题,本文基于蒙特卡罗随机游走(MHRW)采样方法,引入双重跳跃策略、并行机制和顶点缓存区,提出一种跳跃无偏并行顶点(JPS)采样方法.将在线社交网络数据集建模为包含顶点和边的社交图进行模拟采样,利用Python/Matplotlib绘图库绘制采集的样本顶点属性图.实验结果表明,该采样方法更有效地应用于不同连通强度的社交图,提高了采样过程中的顶点更新率,降低了样本顶点的平均度偏差且能够更快速地收敛.

关键词：在线社交网络、顶点采样、蒙特卡罗随机游走(MHRW)、双重跳跃、无偏、并行机制

分类号：TP3(计算技术、计算机技术)

在线出版日期：2020-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-60