隨機行走是社交和生物系統(tǒng)中用來模擬傳播過程的標(biāo)準(zhǔn)化工具,針對真實社交網(wǎng)絡(luò)中任意程度的有偏隨機行走過程和由優(yōu)先轉(zhuǎn)移概率定義的偏向性,提出了一種新的用于研究社交網(wǎng)絡(luò)的影響力傳播范圍最大化的方法,稱之為基于節(jié)點傳播能力的偏向性隨機行走的網(wǎng)絡(luò)信息傳播方法（DCID）,該方法隨機從網(wǎng)絡(luò)中選擇一個信息傳播源節(jié)點,使得該模型更加符合真實的社交網(wǎng)絡(luò);通過節(jié)點能承受的傳播信息的內(nèi)容量參數(shù)以及偏向性隨機行走的參數(shù)來作為節(jié)點的優(yōu)先轉(zhuǎn)移概率;并通過影響力傳播函數(shù)來衡量信息的影響力傳播范圍,以此達到信息傳播范圍的最大化。從真實的不同規(guī)模的社交網(wǎng)絡(luò)中選定這兩個參數(shù)值,并驗證了提出的模型在不同規(guī)模社交網(wǎng)絡(luò)中信息的覆蓋率和算法運行時間的性能上有所提升。 

【文章來源】：計算機工程與應(yīng)用. 2020,56(24)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

Facebook網(wǎng)絡(luò)中C=1對應(yīng)的不同α值的傳播范圍

從圖1中可以看出C=1,α=-10時信息傳播的范圍最大，但是由于無法從一種固定的參數(shù)選取中確定這2個參數(shù)的值，因此又選取了C=2,α=-1、C=2,α=-5、C=2,α=-10以及C=2,α=-15得出在Facebook網(wǎng)絡(luò)中信息傳播的范圍，如圖2所示；最后選取了C=5,α=-1、C=5,α=-5、C=5,α=-10以及C=5,α=-15得出在Facebook網(wǎng)絡(luò)中信息傳播的范圍，如圖3所示。圖3 Facebook網(wǎng)絡(luò)中C=5對應(yīng)的不同α值的傳播范圍

圖2 Facebook網(wǎng)絡(luò)中C=2對應(yīng)的不同α值的傳播范圍從圖1、圖2和圖3可以看出，首先C的值越大，信息傳播的范圍會越來越小，即當(dāng)節(jié)點傳播的信息量越大時，隨著隨機行走的步數(shù)增加時信息傳播的范圍會越來越��；其次在節(jié)點具有同樣的傳播能力下，當(dāng)α=-10時，隨著隨機行走的步數(shù)增加，信息傳播的范圍達到最大。此時在Facebook網(wǎng)絡(luò)中選取的參數(shù)為C=1,α=-10。

【參考文獻】：
期刊論文
[1]基于屬性約簡集評價節(jié)點重要性研究[J]. 李云,馬英紅.  計算機工程與應(yīng)用. 2019(05)
[2]基于Skip-gram模型的社區(qū)查詢算法[J]. 廖宇,朱福喜,劉世超.  計算機工程與應(yīng)用. 2018(08)
[3]一種新型的社會網(wǎng)絡(luò)影響最大化算法[J]. 田家堂,王軼彤,馮小軍.  計算機學(xué)報. 2011(10)



本文編號：3581187