本文關(guān)鍵詞：帶有時(shí)間約束及面向主題的影響最大化研究

  更多相關(guān)文章： 影響最大化 時(shí)間約束 主題 社交網(wǎng)絡(luò)

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,電腦和智能手機(jī)的普及,Facebook、微博等社交網(wǎng)站獲得了巨大的成功,用戶數(shù)量急劇增加。網(wǎng)絡(luò)對(duì)人們現(xiàn)實(shí)生活的影響越來越大,同時(shí)也催生出了網(wǎng)絡(luò)營銷等方法來對(duì)產(chǎn)品進(jìn)行推銷。網(wǎng)絡(luò)營銷就是通過在線社交網(wǎng)絡(luò)中個(gè)人的社會(huì)關(guān)系例如朋友、同事或者關(guān)注關(guān)系,在"word-of-mouth"效應(yīng)下來進(jìn)行影響力的傳播。在這個(gè)背景下,在線社交網(wǎng)絡(luò)中的影響最大化問題受到廣泛關(guān)注。影響最大化問題就是在社交網(wǎng)絡(luò)中找出K個(gè)種子結(jié)點(diǎn)集合,使得通過該集合影響傳播后最終在這個(gè)網(wǎng)絡(luò)上帶來的影響效益最大。針對(duì)影響最大化問題已經(jīng)有了許多的研究成果,例如通過貪心算法求解影響最大化問題,以及在獨(dú)立級(jí)聯(lián)模型和線性閾值模型下的擴(kuò)展算法。但是這些算法都是從算法的效率和效果上不斷改進(jìn),沒有從傳播信息的主題和時(shí)間約束上來考慮影響最大化問題。實(shí)際上,在網(wǎng)絡(luò)中傳播的信息是具有主題特征的,而且傳播的信息還帶有時(shí)間約束。因此,需要研究帶有時(shí)間約束及面向主題的影響最大化問題。本文在傳統(tǒng)影響最大化問題的基礎(chǔ)上提出了帶有時(shí)間約束及面向主題影響最大化問題,建立了一個(gè)在時(shí)間約束下考慮主題的LAICS (Latency Aware Independent Cascade based on Subject)傳播模型。在該模型中,引入了時(shí)間約束和主題,構(gòu)建用戶偏好模型,通過用戶的偏好模型來計(jì)算用戶在該信息主題下的激活概率,且在影響傳播過程中考慮用戶在信息傳播過程中的時(shí)間延遲。本文提出了TGAS (the Time constrained Greedy Algorithm based on Subject)算法來求解在特定信息下的影響最大化問題。該算法是在經(jīng)典貪心算法的框架基礎(chǔ)的改進(jìn),考慮了用戶的偏好特征和信息時(shí)在傳播過程中的時(shí)間延遲等特征,重新設(shè)計(jì)了影響力計(jì)算方法。通過TGAS算法計(jì)算的結(jié)果有更高的精確度,能更好的適應(yīng)產(chǎn)品促銷等帶有時(shí)間約束的信息影響最大化問題。
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F274;TP301.6
，

本文編號(hào)：1240387