《表5 真实网络划分结果》

  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

《基于图遍历的局部社区发现算法》

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5列出了本文算法和其他三个算法在三个大规模数据集下的测试结果。实验结果表明，本文算法在不同的真实数据集上均能取得相对较好的EQ值，划分社区需要的运行时间比其余三个算法要少。LFM算法由于随机选择网络中的节点作为种子节点，在实验过程中，该算法每次运行的EQ值都不相同，容易受到种子节点位置的影响，且在进行社区划分时每次只能判断一个节点，随着网络规模增大其算法运行时间增长较为明显；CPM算法在大规模数据集下能够挖掘出质量较高的社区，但是寻找网络中的k-clique需要较长的时间；COPRA算法由于需要不定时的迭代更新，网络中节点的标签耗时较多，在大规模网络下运行的效果并不理想；本文算法在初始社区划分阶段能够一次判断选中节点的所有邻居节点的所属社区，减少算法迭代次数，形成初步划分，减少最终社区划分需要判断的节点数目。