隨著微博、Facebook等社交網(wǎng)絡媒體的普及,社交網(wǎng)絡發(fā)展為一個平臺,在這個平臺上人們通過關(guān)注、傳遞信息、分享內(nèi)容等行為來相互聯(lián)系,相互影響。社交網(wǎng)絡中,同一個群體內(nèi)的用戶具有相似的特征,這些特征可能是結(jié)構(gòu)上的緊密度,也可能是屬性上的相似性。用戶之間影響力的傳播是社交網(wǎng)絡分析的另一項重要研究內(nèi)容。為了解決影響力最大化問題,研究者提出了原始的貪心算法并證明了這一問題是一個NP-hard問題。但是這一算法復雜度太高,需要大量的蒙特卡羅模擬。為了提高算法效率,研究者又提出了基于社區(qū)的影響力最大化算法。但是已有的基于社區(qū)的影響力最大化在劃分社區(qū)時僅僅考慮了節(jié)點的連接的緊密度,沒有考慮節(jié)點的傳播特性,使得最后在計算影響力傳播范圍時不能很好的近似,仍需要蒙特卡羅模擬。因此,為了改進基于社區(qū)的影響力最大化算法的精度和效率,本文提出基于影響力相似的群體的影響力最大化,利用群體結(jié)構(gòu)計算影響力傳播范圍。這一類算法首先定義一個能夠衡量兩個鄰節(jié)點影響力相似性的度量,然后用聚類的方法劃分群體,得到群體結(jié)構(gòu)之后利用群體內(nèi)節(jié)點具有相似影響力的特征近似估計影響力傳播范圍,找到最具影響力的種子節(jié)點。本文的主要工作包括... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
中英文縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目標和內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)理論知識
    2.1 群體發(fā)現(xiàn)
        2.1.1 群體的形成機理及定義
        2.1.2 群體與傳統(tǒng)社區(qū)的區(qū)別與聯(lián)系
        2.1.3 群體發(fā)現(xiàn)算法介紹
    2.2 影響力最大化
        2.2.1 影響力最大化問題的定義
        2.2.2 經(jīng)典的影響力傳播模型
    2.3 本章小結(jié)
第三章 基于影響力相似性的群體發(fā)現(xiàn)
    3.1 引言
    3.2 基于影響力局部相似性的群體發(fā)現(xiàn)算法
        3.2.1 相似度的選擇
        3.2.2 影響力的局部傳播過程
        3.2.3 基于新的相似度的群體發(fā)現(xiàn)算法
        3.2.4 算法復雜度分析
    3.3 基于全局影響力相似性的群體發(fā)現(xiàn)算法
        3.3.1 全局影響力的網(wǎng)絡表征
        3.3.2 節(jié)點相似度的計算
        3.3.3 節(jié)點的聚類過程
        3.3.4 算法的復雜度分析
    3.4 兩種基于影響力相似性的群體發(fā)現(xiàn)算法的對比
    3.5 本章小結(jié)
第四章 基于群體的影響力最大化
    4.1 引言
    4.2 問題定義
    4.3 IGIM算法原理
        4.3.1 相關(guān)網(wǎng)絡變量介紹
        4.3.2 基于影響力全局相似性的群體發(fā)現(xiàn)
        4.3.3 兩階段傳播模型
        4.3.4 完整的算法流程
        4.3.5 IGIM算法的時間復雜度
    4.4 實驗驗證與對比分析
        4.4.1 算法的評估指標
        4.4.2 實驗數(shù)據(jù)集
        4.4.3 IGIM算法與其他影響力最大化算法的對比
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 未來工作展望
參考文獻
致謝
攻讀碩士學位期間發(fā)表或錄用的論文



本文編號：3191903