精确分布式随机块划分
摘要：准确推断大规模图中社区结构是一项具有挑战性的任务，目前的解决方案被限制在串行算法中，这导致了在分布式计算情况下的收敛问题。为了解决这个问题，本文提出了一种名为EDiSt的新的分布式随机区块划分算法。EDiSt通过在计算节点之间定期共享社区分配结果来改善分布式算法的收敛性能，使其能够扩展到更多的计算节点，并且在处理稀疏图时仍然保持高效。实验结果表明，与传统的分治算法相比，EDiSt的加速比可以达到23.8倍，与共享内存并行的随机区块划分算法相比，加速比可以达到38.0倍。
作者：Frank Wanye, Vitaliy Gleyzer, Edward Kao, Wu-chun Feng
论文ID：2305.18663
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-05-31