隨著近二十年信息科學(xué)的發(fā)展,社交網(wǎng)絡(luò)迅速普及,信息傳播帶來(lái)的影響深入人們的日常生活中,它為大規(guī)模的在線病毒營(yíng)銷(xiāo)提供了有效的平臺(tái)。病毒營(yíng)銷(xiāo)是指將免費(fèi)產(chǎn)品提供給特定人群后,人們會(huì)因社交網(wǎng)絡(luò)中的影響力將產(chǎn)品推薦給朋友、朋友的朋友,最后產(chǎn)生大規(guī)模的營(yíng)銷(xiāo)效果。隨著在線社交網(wǎng)絡(luò)的快速發(fā)展,關(guān)于病毒式營(yíng)銷(xiāo)做了大量的研究工作,但是多數(shù)研究工作都基于一個(gè)假設(shè),最終的產(chǎn)品收益與被影響的用戶的個(gè)數(shù)相關(guān)。然而在某些情形下,被影響的用戶的個(gè)數(shù)不能反映一個(gè)產(chǎn)品營(yíng)銷(xiāo)的成功,某些產(chǎn)品的收益依賴于被影響用戶之間的互動(dòng)活動(dòng)。在線游戲就是一個(gè)很好的例子,游戲公司的收益主要得益于游戲玩家的參與和互動(dòng)。在論文中,我們主要研究與被影響的用戶之間互動(dòng)活動(dòng)相關(guān)的收益最大化問(wèn)題的優(yōu)化方法,主要工作和研究成果可以歸納為以下幾個(gè)方面:(1)以在線游戲產(chǎn)品的營(yíng)銷(xiāo)為例,我們分析了在線游戲產(chǎn)品收益的來(lái)源,游戲的收益與游戲玩家的交互活動(dòng)緊密相關(guān),提出了收益最大化問(wèn)題(PMP),即在社交網(wǎng)絡(luò)中,選擇一個(gè)種子集合,通過(guò)社交網(wǎng)絡(luò)中的影響力傳播,使得最終被影響的用戶之間產(chǎn)生的收益最大。分析了問(wèn)題的復(fù)雜性,證明了問(wèn)題是NP-hard的。對(duì)于傳統(tǒng)的影響力最大...

【文章頁(yè)數(shù)】：178 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 研究工作及創(chuàng)新點(diǎn)
    1.3 本文的組織結(jié)構(gòu)
第2章 影響力傳播與次模優(yōu)化概述
    2.1 傳播模型
        2.1.1 獨(dú)立級(jí)聯(lián)傳播模型
        2.1.2 線性閾值模型
        2.1.3 觸發(fā)模型
        2.1.4 時(shí)間感知模型
    2.2 影響力最大化
        2.2.1 基于仿真的方法
        2.2.2 基于代理的方法
        2.2.3 基于樣本圖的方法
    2.3 上下文感知的影響力最大化
        2.3.1 主題感知的影響力傳播
        2.3.2 時(shí)間感知的影響力傳播
        2.3.3 位置感知的影響力傳播
        2.3.4 動(dòng)態(tài)的影響力傳播
        2.3.5 競(jìng)爭(zhēng)的影響力傳播
    2.4 收益最大化
    2.5 次模優(yōu)化
        2.5.1 次模函數(shù)定義
        2.5.2 魯棒的次模優(yōu)化
        2.5.3 隨機(jī)的次模優(yōu)化
    2.6 非次模優(yōu)化
        2.6.1 超模粒度
        2.6.2 DS函數(shù)
        2.6.3 三明治策略
        2.6.4 離散的DC函數(shù)
    2.7 本章小結(jié)
第3章 基于DS分解策略的收益最大化優(yōu)化方法
    3.1 概述
    3.2 問(wèn)題形式化
        3.2.1 收益最大化問(wèn)題
        3.2.2 問(wèn)題的模性
        3.2.3 問(wèn)題的復(fù)雜性
    3.3 DS分解策略
    3.4 算法及性能分析
        3.4.1 模上界和模下界
        3.4.2 算法
        3.4.3 算法分析
        3.4.4 反向集合采樣方法
    3.5 實(shí)驗(yàn)分析
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 基于雙三明治算法的魯棒的收益最大化優(yōu)化方法
    4.1 概述
    4.2 問(wèn)題形式化
        4.2.1 魯棒的收益最大化問(wèn)題
        4.2.2 收益最大化問(wèn)題
    4.3 三明治策略
        4.3.1 次模的上界
        4.3.2 次模的下界
        4.3.3 三明治算法
    4.4 雙三明治算法解決魯棒的收益最大化問(wèn)題
        4.4.1 復(fù)雜性
        4.4.2 雙三明治算法
        4.4.3 基于統(tǒng)一采樣的雙三明治算法
    4.5 實(shí)驗(yàn)與分析
        4.5.1 實(shí)驗(yàn)設(shè)置
        4.5.2 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第5章 自適應(yīng)的收益最大化優(yōu)化方法
    5.1 概述
    5.2 非自適應(yīng)的收益最大化問(wèn)題
    5.3 自適應(yīng)的收益最大化問(wèn)題
        5.3.1 背景知識(shí)
        5.3.2 適應(yīng)的單調(diào)性和適應(yīng)的次模性
        5.3.3 問(wèn)題定義
    5.4 適應(yīng)的次模上界和下界
        5.4.1 適應(yīng)的次模上界
        5.4.2 適應(yīng)的次模下界
    5.5 算法
        5.5.1 懶惰估計(jì)
        5.5.2 加速的適應(yīng)性貪婪算法
        5.5.3 適應(yīng)性三明治近似策略
        5.5.4 近似率
        5.5.5 算法實(shí)現(xiàn)
    5.6 實(shí)驗(yàn)
        5.6.1 實(shí)驗(yàn)設(shè)置
        5.6.2 實(shí)驗(yàn)結(jié)果與分析
    5.7 本章小結(jié)
第6章 總結(jié)與展望
    6.1 主要工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄
攻讀學(xué)位期間參與科研項(xiàng)目情況
外文論文
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3753806