發(fā)布時間：2023-03-04 05:31

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

【文章頁數(shù)】：178 頁

【學位級別】：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
    1.3 本文的組織結構
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 獨立級聯(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 動態(tài)的影響力傳播
        2.3.5 競爭的影響力傳播
    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
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 問題形式化
        3.2.1 收益最大化問題
        3.2.2 問題的模性
        3.2.3 問題的復雜性
    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 實驗分析
        3.5.1 實驗設置
        3.5.2 實驗結果與分析
    3.6 本章小結
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 問題形式化
        4.2.1 魯棒的收益最大化問題
        4.2.2 收益最大化問題
    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題
        4.4.1 復雜性
        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 實驗與分析
        4.5.1 實驗設置
        4.5.2 實驗結果與分析
    4.6 本章小結
第5章 自適應的收益最大化優(yōu)化方法
    5.1 概述
    5.2 非自適應的收益最大化問題
    5.3 自適應的收益最大化問題
        5.3.1 背景知識
        5.3.2 適應的單調(diào)性和適應的次模性
        5.3.3 問題定義
    5.4 適應的次模上界和下界
        5.4.1 適應的次模上界
        5.4.2 適應的次模下界
    5.5 算法
        5.5.1 懶惰估計
        5.5.2 加速的適應性貪婪算法
        5.5.3 適應性三明治近似策略
        5.5.4 近似率
        5.5.5 算法實現(xiàn)
    5.6 實驗
        5.6.1 實驗設置
        5.6.2 實驗結果與分析
    5.7 本章小結
第6章 總結與展望
    6.1 主要工作總結
    6.2 未來工作展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄
攻讀學位期間參與科研項目情況
外文論文
學位論文評閱及答辯情況表



本文編號：3753806