《表7 在Last.fm网络上4种算法的运行时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《节点局部Fiedler向量中心性差值社区发现算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表7展示了4种算法对Last.fm网络进行划分所需的时间，由于GN算法需要将网络中的每一条边均移除后才可得出结果，故只有一个时间数据；CNE算法无法在限定时间内运行完毕，导致了数据的缺失。从表7中可看出，CDDN算法在处理大规模网络时，效率明显优于其余3种算法。此处仅用运行时间与本文提出的CDDN算法相近的GCDN算法进行社区发现结果的比较。图16展示了CDDN算法与GCDN算法在移除相同边数时，网络中最大社区规模占总规模之比Plcs。如图16所示，相对于GCDN算法，CDDN算法对应的曲线下降速度更快，说明CDDN算法可以在移除较少边数的情况下就达到GCDN算法的社区划分效果，其分割网络的效率高于GCDN算法。图17展示了两种算法在移除相同边数时发现的社区数量的对比结果。如图17所示，CDDN与GCDN算法在移除相同边时，CDDN算法发现社区数目明显多于GCDN算法，且能发现更多细粒度的社区，说明CDDN算法的社区发现能力优于GCDN算法，同时也印证了相对于GCDN算法，CDDN算法在社区划分效率上更具优势。