《表5 两种社群划分算法6月和7月数据验证比较》
通过运行结果来看,6种算法的分群数比较相近,在大样本中,Fast-Greedy算法、Walktrap算法和Multi-Level算法模块化指标Q值为0.97,表现较好,反映出这3种算法划分的社群内部节点的连接比较紧密,社群之间的连接相对较稀疏;从运行时间看,Fast-Greedy算法和Walktrap算法花费时间较长,Multi-Level计算速度较快。在小样本中,Fast-Greedy算法、Leading Eigenvector算法、Walktrap算法和Multi-Level算法模块化指标Q值均在0.991以上,运行时间在0.10 s及以内,Label Propagation算法和InfoMap算法模块化Q值相对较低。由此可知,在小样本中,Fast-Greedy算法的群体划分准确性相对更好,而在大样本中,Multi-Level算法的模块化Q值和计算时间表现更好。针对这两种社群算法,进一步选取6月和7月的流量红包数据进行验证比较,两种社群划分算法6月和7月数据验证比较见表5,由表5可知,7月的Multi-Level算法模块化指标Q值更高,计算迭代时间更短,且更适用于实际生产的大规模社交网络,因此这里选择Multi-Level算法对流量红包客户进行社交分群。
图表编号 | XD00146035600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 徐海勇、陶涛、黄岩、唐崔巍、张兆静、吴晶 |
绘制单位 | 中移动信息技术有限公司、中移动信息技术有限公司、中移动信息技术有限公司、中移动信息技术有限公司、中移动信息技术有限公司、中移动信息技术有限公司 |
更多格式 | 高清、无水印(增值服务) |