發(fā)布時(shí)間：2022-02-24 04:52

　　隨著社交網(wǎng)絡(luò)在人們的日常生活中扮演著越來(lái)越重要的角色,如何在社交網(wǎng)絡(luò)上最大范圍的傳播某一信息,這一問(wèn)題受到越來(lái)越多的人的關(guān)注。為了在社交網(wǎng)絡(luò)上傳播一個(gè)消息,我們可以選擇一些個(gè)體作為初始群體（稱(chēng)為種子集合）,說(shuō)服該群體接受這個(gè)消息,然后通過(guò)他們的影響力,將這個(gè)消息傳播給他們身邊的人,而這些接受了消息的人又將接著影響到他們身邊的人,通過(guò)這樣的口口相傳使消息得以在社交網(wǎng)絡(luò)中傳播。那么如何選擇這個(gè)種子集合,使最終消息影響到的范圍最大,這就是影響最大化問(wèn)題要解決的。人們已經(jīng)對(duì)社交網(wǎng)絡(luò)上影響最大化問(wèn)題做了大量的研究,主要包括兩方面:建立合理的信息傳播的模型以及提出合適的種子搜索方法來(lái)確定最終的種子集合,本文在這兩方面分別做了研究,主要工作如下:1、由于現(xiàn)有的一些傳播模型忽略了現(xiàn)實(shí)網(wǎng)絡(luò)的一些不確定性,例如一般傳播模型中,考慮到了信息的傳播概率,但是沒(méi)有考慮到節(jié)點(diǎn)的接受概率。因此,本文考慮到這些不確定性并且提出了一種現(xiàn)實(shí)獨(dú)立級(jí)聯(lián)模型,即Realistic Independent Cascade（RIC）模型。2、基于提出的RIC模型,提出節(jié)點(diǎn)的活躍度這一概念,以節(jié)點(diǎn)的活躍度來(lái)衡量節(jié)點(diǎn)的影響力,據(jù)此提出... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于蒙特卡洛的算法
        1.2.2 基于代理的算法
        1.2.3 基于略圖的算法
    1.3 本文主要內(nèi)容及組織結(jié)構(gòu)
第二章 相關(guān)理論知識(shí)
    2.1 社交網(wǎng)絡(luò)
    2.2 影響最大化問(wèn)題
    2.3 信息傳播模型
        2.3.1 獨(dú)立級(jí)聯(lián)模型
        2.3.2 線性閾值模型
        2.3.3 觸發(fā)模型
        2.3.4 連續(xù)時(shí)間模型
    2.4 種子集合搜索算法
        2.4.1 集合影響力函數(shù)的性質(zhì)
        2.4.2 種子集合搜索算法的分類(lèi)
        2.4.3 種子集合搜索算法的衡量標(biāo)準(zhǔn)
    2.5 本章小結(jié)
第三章 RIC模型及基于節(jié)點(diǎn)活躍度的種子搜索算法
    3.1 引言
    3.2 RIC模型
        3.2.1 影響最大化問(wèn)題定義
        3.2.2 RIC模型
    3.3 基于節(jié)點(diǎn)活躍度的種子搜索算法
        3.3.1 相關(guān)概念
        3.3.2 greedy-degree算法
        3.3.3 時(shí)間復(fù)雜度分析
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 實(shí)驗(yàn)設(shè)置
        3.4.3 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 基于蒙特卡洛的種子搜索算法
    4.1 引言
    4.2 問(wèn)題定義
    4.3 R-greedy算法
        4.3.1 確定候選集合
        4.3.2 確定選擇標(biāo)準(zhǔn)
        4.3.3 選擇種子集合
    4.4 M-greedy算法
    4.5 時(shí)間復(fù)雜度分析
    4.6 實(shí)驗(yàn)
        4.6.1 實(shí)驗(yàn)設(shè)置
        4.6.2 對(duì)比算法
        4.6.3 實(shí)驗(yàn)結(jié)果及分析
    4.7 本章小結(jié)
第五章 基于略圖的種子搜索算法
    5.1 引言
    5.2 蒙特卡洛的問(wèn)題
    5.3 D-greedy算法
        5.3.1 略圖的產(chǎn)生
        5.3.2 種子集合的影響力計(jì)算
        5.3.3 D-greedy過(guò)程描述
        5.3.4 時(shí)間復(fù)雜度分析
    5.4 實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)設(shè)置
        5.4.2 對(duì)比算法
        5.4.3 實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
        6.1.1 RIC模型
        6.1.2 基于節(jié)點(diǎn)活躍度的種子搜索算法
        6.1.3 基于蒙特卡洛的種子搜素算法
        6.1.4 基于略圖的種子搜索算法
    6.2 工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3642014