[发明专利]从复杂网络中识别模块化结构的方法和工具

说明书

技术领域

本发明主要涉及模块化结构的识别，特别是一种从复杂网络中识别模块化结构的方法和工具，以及一个计算系统。

技术背景

复杂网络是指具有复杂拓扑特征的网络。复杂网络的研究因诸如生物技术网络（细胞网络，蛋白相互作用网络，神经网络），互联网/万维网，社交网络等真实网络的实证研究而被激发。这些真实网络最广泛的特征之一是存在模块化结构或群组，例如，如果用一个图来代表一种复杂网络，群组由顶点组织，同一群组中含有许多边以及相对较少的边连接不同群组的顶点。从复杂网络中识别模块化结构对理解图表描述的实际问题具有重要意义，例如，追踪在线病毒，社交网络服务中的社会行为分析，检测重要基因功能等等。

目前已经有一些方法可以利用串行计算设备，即中央处理器（CPUs）来从复杂网络中识别模块化结构。传统方法像分层聚类法，划分聚类法，谱聚类法等，分割方法中的Girvan-Newman算法以及模块化贪婪算法需要花费很长时间才能完成计算，这归因于复杂网络的巨大规模。例如，社交网络领域的Facebook在2010年2月宣布有4亿用户。因此，相应的图有上百万的边和顶点。现存真实复杂网络具有数据量大，计算的时间和空间复杂度高的特征.因此,利用串行计算设备从复杂网络中检测模块化结构的方法已经暴露出了执行时间长，用户交互低和能源效率低的缺陷。另一方面，虽然超级计算机工作站或高性能计算集群能够在较短时间内完成计算，但是花费较高，对开发人员不友好，阻碍了通用研究和商业推广。

因此，需要寻找从复杂网络中鉴定模型结构的方法和工具，或者一个具有CPU和并行处理设备，比如图形处理器（GPU）或者分布于网络中的处理单元的计算系统，这个计算系统能够在较短时间内完成计算，同时节约成本。

发明摘要

本发明提供一套工具，一种方法和一个系统用于从复杂网络中识别模块化结构，它们能够在较短时间完成计算并节约成本。

本发明一个方面，是一套用于从复杂网络中识别模块化结构的工具。其使用了一个具有CPU和一个并行处理设备的计算系统。此工具包括一个位于CPU上的数据读取工具，用来读取任务数据，该任务数据包括复杂网络中的节点，具有节点间关系权重的边和复杂网络中执行任务的任务参数；一个位于CPU上的模块储存工具，用于储存预定义的子块集合，这些子模块各自指示着一个特殊进程；一个位于CPU上的确定工具，用于确定任务模块，从而根据任务数据从一套分别指示着一个特定进程的预设子模块中分配子任务进程，这些子任务进程将会分别由并行处理设备上的多重并行处理器中执行；一个位于CPU上的第一界面，用于接收由确定工具转换而来的任务模块；一个位于CPU上的发报机工具，用于根据多重并行处理器将任务数据分为多重数据子集；一个位于CPU上的第二界面，用于接收由发报机转换而来的任务数据；一个位于并行处理设备上的第一前端，连接着第一界面，用于接收由第一界面转换而来的任务模块；一个位于并行处理设备上的程序汇编工具，用于接收由第一前端传递过来的任务模块，产生能被多重并行处理器从任务模块中读取的子任务进程，以及分配这些子任务进程到多重并行处理器；一个位于并行处理设备上的第二前端，连接着第二界面，用于接收来自于第二界面的多重数据子集，并将这些多重数据子集分别传递给多重并行处理器；多重并行处理器，用于分别平行执行子任务进程，这些子任务进程是由程序汇编工具根据数据子集分配形成的，并获得平行结果；以及一个分类工具，用于处理平行结果，从复杂网络中获得模型结构。