使用MapReduce在大数据社交媒体网络中进行社区结构挖掘。

社交媒体网络在人们的日常生活中发挥着越来越重要的作用。 社区结构是社交媒体网络的显着特征之一，已经被应用到推荐系统和网络营销等实际应用中。 随着社交媒体规模的Swift扩大和信息量的激增，如何在大数据场景中识别社区已成为一个挑战。 基于我们以前的工作和地图方程（来自社区挖掘信息理论的方程），我们开发了一种新颖的分布式社区结构挖掘框架。 在框架中，（1）我们提出了一种新的链接信息更新方法，以试图避免数据写入相关的操作并试图加快该过程。 （2）我们使用来自节点及其邻居的本地信息而不是pagerank来计算节点的概率分布。 （3）我们从先前的工作中排除了网络分区过程，并尝试直接在MapReduce上运行map方程。 在现实世界中的社交媒体网络和人工网络上的经验结果表明，新框架在准确性，速度和可伸缩性方面优于我们以前的工作和一些著名的算法，例如Radetal，FastGN。