近年來,眾多迅速興起的在線社交網(wǎng)絡(luò)平臺成為了人們傳播信息、影響他人的重要方式;影響力最大化（Influence Maximization,IM）問題是社交網(wǎng)絡(luò)信息傳播分析中的重要問題,在口碑營銷、輿情控制、網(wǎng)絡(luò)監(jiān)控等眾多應(yīng)用中其中關(guān)鍵作用;該問題及其衍生問題包括主題影響力最大化、關(guān)聯(lián)影響力最大化（Correlated Influence Maximization,CIM）問題等,也因此受到了廣泛研究。IM問題旨在找出網(wǎng)絡(luò)中最具影響力的k個用戶,以某種傳播模型從選出的用戶發(fā)出信息傳播,使得最終受影響用戶的總數(shù)最大。傳統(tǒng)影響力最大化算法大多數(shù)僅關(guān)注靜態(tài)社交網(wǎng)絡(luò),然而社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)天然具有動態(tài)特征,傳統(tǒng)算法不適用。本文研究動態(tài)網(wǎng)絡(luò)中最大化問題,提出了基于跳步的影響力最大化增量式算法。論文主要研究內(nèi)容如下:（1）獨(dú)立級聯(lián)模型下IM問題的增量式算法為解決動態(tài)網(wǎng)絡(luò)中最具影響力種子集更新問題,基于跳步策略,提出了一種針對獨(dú)立級聯(lián)傳播模型的影響力最大化增量式算法。該算法利用局部化傳播的特點,快速評估網(wǎng)絡(luò)變化所涉及節(jié)點的影響力增益上限,與先前輸出結(jié)果比較,快速更新有可能需要變動的影響力節(jié)點。在大規(guī)模真... 

【文章來源】：西北農(nóng)林科技大學(xué)陜西省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究路線圖

社交網(wǎng)絡(luò)的研究分析基本上是基于圖論展開的。以有向圖為例,如圖2-1所示。通常,社交網(wǎng)絡(luò)可建模為有向圖G=(V,E),其中頂點集V表示網(wǎng)絡(luò)中的所有用戶,邊集E表示用戶u與v之間聯(lián)系。在社交網(wǎng)絡(luò)的影響力最大化問題中,為了更好的描述影響力擴(kuò)散,本文研究均選擇構(gòu)建有向圖。圖中,每條邊e=(u,v)∈E存在著一個概率值pu,v∈[0,1],用來表示影響力擴(kuò)散過程中用戶u對v的激活概率。對于有向邊(u,v),稱節(jié)點v為u的鄰居,則Nu={v|(u,v)∈E}為節(jié)點u的鄰居集;稱節(jié)點u為v的逆鄰居,則Rv={v|(u,v)∈E}為節(jié)點v的逆鄰居集。

對于大規(guī)模網(wǎng)絡(luò)圖,本章實驗在Wiki-vote、soc-Epinions1、soc-delicious三個數(shù)據(jù)集上進(jìn)行,以影響擴(kuò)散范圍和運(yùn)行時間為衡量標(biāo)準(zhǔn),種子集合的大小k分別取1,10,100,1000。根據(jù)不同對比需求,設(shè)置不同傳播概率。圖3-1中的(a)-(c)表明了,在一跳步范圍內(nèi),OneIC-HopInc算法與OneHop算法、IncInf算法運(yùn)行時間的對比情況,圖(d)是影響擴(kuò)散范圍的對比情況,概率模型采取UNI模型。圖3-2中的(a)-(c)表明了,在二跳步范圍內(nèi),TwoC-HopInc算法與TwoHop算法、IncInf算法運(yùn)行時間的對比情況,圖(d)是影響擴(kuò)散范圍的對比情況,概率模型采取TRI模型。

【參考文獻(xiàn)】：
期刊論文
[1]基于線性閾值模型的動態(tài)社交網(wǎng)絡(luò)影響最大化算法[J]. 朱敬華,李亞瓊,王亞珂,楊艷.  工程科學(xué)與技術(shù). 2019(01)
[2]基于結(jié)構(gòu)洞和度折扣的影響力最大化算法[J]. 李敏佳,許國艷,朱帥,張網(wǎng)娟.  計算機(jī)應(yīng)用. 2018(12)
[3]競爭環(huán)境中基于主題偏好的利己信息影響力最大化算法[J]. 曹玖新,閔繪宇,王浩然,馬卓,劉波.  計算機(jī)學(xué)報. 2019(07)
[4]關(guān)聯(lián)影響力傳播最大化方法[J]. 張云飛,李勁,岳昆,羅之皓,劉惟一.  計算機(jī)科學(xué)與探索. 2018(12)
[5]基于k-核過濾的社交網(wǎng)絡(luò)影響最大化算法[J]. 李閱志,祝園園,鐘鳴.  計算機(jī)應(yīng)用. 2018(02)
[6]基于用戶聚類的社交網(wǎng)絡(luò)影響力最大化傳播模型[J]. 曾燕清,陳志德,李翔宇.  軟件. 2017(05)
[7]社會網(wǎng)絡(luò)節(jié)點影響力分析研究[J]. 韓忠明,陳炎,劉雯,原碧鴻,李夢琪,段大高.  軟件學(xué)報. 2017(01)
[8]基于LT+模型的社交網(wǎng)絡(luò)影響力最大化研究[J]. 蔡國永,裴廣戰(zhàn).  計算機(jī)科學(xué). 2016(09)
[9]社會網(wǎng)絡(luò)中基于主題的影響力最大化算法[J]. 朱玉婷,李雷,施化吉,周從華,施磊磊,徐慧.  計算機(jī)應(yīng)用研究. 2016(12)
[10]多社交網(wǎng)絡(luò)的影響力最大化分析[J]. 李國良,楚婭萍,馮建華,徐堯強(qiáng).  計算機(jī)學(xué)報. 2016(04)

碩士論文
[1]動態(tài)復(fù)雜網(wǎng)絡(luò)中的影響最大化算法的研究[D]. 王亞珂.黑龍江大學(xué) 2017
[2]社交網(wǎng)絡(luò)影響力最大化的研究[D]. 王歡歡.南京航空航天大學(xué) 2016



本文編號：3614114