社會網(wǎng)絡(luò)環(huán)境下一種基于潛力的影響最大化算法.pdf

1、信息的傳播與擴散在當今信息社會顯得非常重要,而如何利用人與人之間的聯(lián)系,使得信息迅速、廣泛的傳播成為社會網(wǎng)絡(luò)研究的一個重點。Domingos和Richardson將此抽象為影響最大化問題:為了推廣一些產(chǎn)品、觀念,如何有效選擇k個節(jié)點作為初始傳播對象,通過社會網(wǎng)絡(luò)中信息的傳播與擴散,最終達到傳播范圍的最大化。這個最優(yōu)化問題已被證明是NP-hard。Kemple和Kleinberg提出了一種自然的爬山貪婪算法,即選擇當前能夠帶來最大影響范圍

2、的點作為初始傳播對象。
　　本文基于傳播模型的特點提出節(jié)點潛力的概念,并基于這個概念設(shè)計了一個新穎的算法解決社會網(wǎng)絡(luò)中的影響最大化問題,同時進行了各種類型的真實數(shù)據(jù)集實驗驗證,結(jié)果表明該方法在傳播范圍上要比現(xiàn)有的算法更加廣泛,而且其時間復(fù)雜度也要比爬山貪婪算法低。
　　另外,我們也對算法所基于的傳播模型(線性閾值模型)中引入的兩個參數(shù)影響力估計公式buv和節(jié)點特異性閾值θv進行了進一步的討論。根據(jù)點度中心性和接近中心性提出了