本文選題：社交網(wǎng)絡(luò)分析 + 影響力最大化��； 參考：《中國(guó)科學(xué)技術(shù)大學(xué)》2015年碩士論文

【摘要】：隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展與普及,越來(lái)越多的人能夠在網(wǎng)絡(luò)上隨時(shí)隨地的發(fā)表自己的想法,分享自己的所見(jiàn)所聞；在線社交網(wǎng)絡(luò)(比如Twitter、Facebook、新浪微博等)在信息的傳播、消息的擴(kuò)散等方面扮演著重要的角色。近年來(lái),利用社交網(wǎng)絡(luò)進(jìn)行產(chǎn)品營(yíng)銷(xiāo)或品牌推廣受到了廣泛的關(guān)注。病毒營(yíng)銷(xiāo)作為一種常見(jiàn)的營(yíng)銷(xiāo)方法,主要利用用戶之間的信息傳播效應(yīng)來(lái)進(jìn)行產(chǎn)品營(yíng)銷(xiāo)或品牌推廣。 影響力傳播最大化問(wèn)題因在病毒營(yíng)銷(xiāo)中的重要應(yīng)用而得到了廣泛的研究,然而目前的研究工作大多關(guān)注一組用戶的整體影響力最大化問(wèn)題,忽略了用戶個(gè)體的影響力及其最大化問(wèn)題。因此,本文首先站在用戶自身的角度,對(duì)面向影響力增益的社交用戶推薦問(wèn)題進(jìn)行了研究,提出了用戶個(gè)體影響力最大化問(wèn)題,即用戶個(gè)體如何建立新的連接能使自己在社交網(wǎng)絡(luò)中的影響力增益最大。另一方面,目前對(duì)產(chǎn)品營(yíng)銷(xiāo)中的影響力傳播分析,只關(guān)注用戶之間的影響力,沒(méi)有對(duì)企業(yè)與用戶之間的影響力進(jìn)行深入研究。鑒于此,本文分析企業(yè)與用戶之間的影響力對(duì)用戶消費(fèi)行為的影響,研究了多重影響力的潛在用戶推薦問(wèn)題,并提出了一個(gè)計(jì)算框架及相應(yīng)算法,能夠向產(chǎn)品營(yíng)銷(xiāo)中的企業(yè)推薦最具價(jià)值潛力的一組用戶。本文的研究工作與貢獻(xiàn)可以總結(jié)如下： (1)對(duì)面向影響力增益的社交用戶推薦問(wèn)題進(jìn)行了研究。本文首先提出并形式化定義了個(gè)體影響力最大化問(wèn)題；然后利用目標(biāo)函數(shù)性質(zhì)提出了啟發(fā)式的貪心算法,并結(jié)合具體模型計(jì)算特性進(jìn)一步提出了線性時(shí)間復(fù)雜度的]uBound算法；最后,在四個(gè)真實(shí)的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了算法的有效性和高效性。 (2)對(duì)基于多重影響力的潛在用戶推薦問(wèn)題進(jìn)行了研究。本文首先討論了企業(yè)與用戶之間的影響力關(guān)系及其對(duì)用戶消費(fèi)行為的影響；然后提出了一個(gè)計(jì)算框架及相應(yīng)算法,來(lái)向產(chǎn)品營(yíng)銷(xiāo)中的企業(yè)推薦最具有潛力價(jià)值的用戶(這部分用戶對(duì)產(chǎn)品感興趣,但不傾向于選擇哪一家公司的產(chǎn)品)；最后,在兩個(gè)真實(shí)的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了計(jì)算框架及相應(yīng)算法的有效性。
[Abstract]:With the development and popularity of information technology and the Internet, more and more people are able to publish their ideas and share what they have seen and heard at any time and anywhere on the Internet; the spread of online social networks (such as Twitter Facebook, Sina Weibo, etc.) The spread of information plays an important role. In recent years, the use of social networks for product marketing or brand promotion has received widespread attention. As a common marketing method, virus marketing mainly utilizes the effect of information dissemination between users to carry out product marketing or brand promotion. The issue of maximization of influence dissemination has been widely studied because of its important application in virus marketing. However, most of the current research work has focused on the problem of maximizing the overall influence of a group of users. The influence of individual user and its maximization are ignored. Therefore, this paper firstly studies the problem of social user recommendation oriented to influence gain from the point of view of the user itself, and puts forward the problem of maximizing the individual influence of the user. How individual users establish new connections can maximize their influence on social networks. On the other hand, the analysis of influence dissemination in product marketing only focuses on the influence between users, but not on the influence between enterprises and users. In view of this, this paper analyzes the influence of the influence between the enterprise and the user on the consumer behavior, studies the potential user recommendation problem with multiple influences, and proposes a computing framework and corresponding algorithm. A group of users who can recommend the most valuable potential to a company in product marketing. The research work and contribution of this paper can be summarized as follows: 1) the problem of social user recommendation for influence gain is studied. In this paper, we first propose and formalize the problem of maximizing individual influence, then we propose a heuristic greedy algorithm by using the property of objective function, and then we further propose a linear time complexity (uBound) algorithm based on the computational characteristics of a specific model. Finally, the experimental results on four real data sets show the effectiveness and efficiency of the algorithm. The problem of potential user recommendation based on multiple influences is studied. This paper first discusses the influence relationship between enterprise and user and its influence on consumer behavior, and then proposes a computational framework and corresponding algorithm. To recommend the most potential users to companies in product marketing (this group of users are interested in the product but are not inclined to choose which company's product); finally, Experimental results on two real data sets verify the validity of the computational framework and the corresponding algorithm.
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.3

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉滿鳳;唐厚興;;基于社會(huì)網(wǎng)絡(luò)模型的知識(shí)溢出傳導(dǎo)過(guò)程研究[J];當(dāng)代財(cái)經(jīng);2010年05期

2 張廷;高寶俊;宣慧玉;;基于元胞自動(dòng)機(jī)的創(chuàng)新擴(kuò)散模型綜述[J];系統(tǒng)工程;2006年12期

3 段文奇;陳忠;惠淑敏;;基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)市場(chǎng)新產(chǎn)品擴(kuò)散:采用網(wǎng)絡(luò)和初始條件的作用[J];系統(tǒng)工程;2007年05期

4 陳瑩;艾春璐;;基于均衡化概率模型的特征匹配及其應(yīng)用[J];光電工程;2011年02期

5 張青敏;胡斌;劉婉;;信息傳播及其生命周期對(duì)移動(dòng)商務(wù)價(jià)值鏈運(yùn)行的影響研究[J];管理學(xué)報(bào);2012年04期

6 朱志國(guó);;基于在線社會(huì)網(wǎng)絡(luò)的病毒性營(yíng)銷(xiāo)傳播機(jī)理研究[J];圖書(shū)與情報(bào);2012年06期

7 陳斌;徐志明;張永超;;基于微博社交網(wǎng)絡(luò)的信息傳播分析[J];智能計(jì)算機(jī)與應(yīng)用;2013年05期

8 梁冰;張玉忠;金鐸;;協(xié)同過(guò)濾中的矩陣分解算法研究[J];廣東通信技術(shù);2013年08期

9 李飛;張斌;高巖;張?chǎng)锡?;基于協(xié)作過(guò)濾的傳感器數(shù)據(jù)補(bǔ)全方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 劉群;陳陽(yáng);;一種融合信任度和相似度的推薦算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

相關(guān)會(huì)議論文 前2條

1 ;Minimizing the Complete Influence Time of a Social Network with Limited Resource[A];第七屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2009年

2 王國(guó)霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉天印;基于系統(tǒng)模擬的高校教師工作壓力研究[D];華中科技大學(xué);2010年

2 顏海興;基于創(chuàng)新擴(kuò)散模型的市場(chǎng)營(yíng)銷(xiāo)組合策略研究[D];東華大學(xué);2010年

3 苗旺;消費(fèi)者視角的創(chuàng)新產(chǎn)品擴(kuò)散研究[D];山東大學(xué);2011年

4 韓毅;社會(huì)網(wǎng)絡(luò)分析與挖掘的若干關(guān)鍵問(wèn)題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

5 柴海燕;旅游目的地網(wǎng)絡(luò)口碑傳播研究[D];武漢大學(xué);2011年

6 張青敏;移動(dòng)商務(wù)信息擴(kuò)散及其對(duì)價(jià)值鏈的影響研究[D];武漢大學(xué);2011年

7 程秀芳;虛擬社區(qū)網(wǎng)絡(luò)口碑對(duì)消費(fèi)者決策行為影響研究[D];中國(guó)礦業(yè)大學(xué);2011年

8 黃瑋強(qiáng);基于復(fù)雜社會(huì)網(wǎng)絡(luò)的創(chuàng)新擴(kuò)散研究[D];東北大學(xué);2009年

9 于宇梅;兩個(gè)高維競(jìng)爭(zhēng)模型的全局性態(tài)分析[D];蘇州大學(xué);2006年

10 趙正龍;基于復(fù)雜社會(huì)網(wǎng)絡(luò)的創(chuàng)新擴(kuò)散模型研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 吳昊;網(wǎng)絡(luò)論壇中的用戶主題討論建模及應(yīng)用[D];浙江大學(xué);2011年

2 蘭如欽;社會(huì)網(wǎng)絡(luò)上的影響力最大化算法研究[D];北京交通大學(xué);2011年

3 梁雁;男士潔面產(chǎn)品購(gòu)買(mǎi)者的自我形象對(duì)口碑傳播效果的影響研究[D];華南理工大學(xué);2011年

4 姜秀芳;面向復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

5 元文娟;面向在線用戶評(píng)論的管理反饋實(shí)證研究[D];哈爾濱工業(yè)大學(xué);2011年

6 宋曉龍;突發(fā)事件的互聯(lián)網(wǎng)信息傳播規(guī)律研究[D];哈爾濱工業(yè)大學(xué);2011年

7 李玄;企業(yè)間相互作用下中小企業(yè)集群技術(shù)擴(kuò)散實(shí)證研究[D];河北工業(yè)大學(xué);2011年

8 劉婉;電子商務(wù)環(huán)境下供應(yīng)鏈運(yùn)行規(guī)律的集成模擬研究[D];華中科技大學(xué);2011年

9 詹鎮(zhèn)江;基于專(zhuān)家與用戶關(guān)系的社會(huì)化專(zhuān)家搜索[D];上海交通大學(xué);2012年

10 鄭蕾;面向社會(huì)網(wǎng)絡(luò)的信息傳播模型研究[D];上海交通大學(xué);2011年

，

本文編號(hào)：1948783