動(dòng)態(tài)復(fù)雜網(wǎng)絡(luò)中的影響最大化算法的研究.pdf

1、近年來(lái)，社交網(wǎng)絡(luò)的快速發(fā)展為廣大用戶提供了豐富的服務(wù)，成為結(jié)交好友，信息交流，商品推銷等的重要媒介，影響最大化旨在發(fā)現(xiàn)社交網(wǎng)絡(luò)中影響力大的節(jié)點(diǎn)集合，在社會(huì)網(wǎng)絡(luò)分析領(lǐng)域占據(jù)重要位置，有著廣泛的實(shí)際應(yīng)用例如市場(chǎng)營(yíng)銷、廣告發(fā)布等，因此具有很高的研究?jī)r(jià)值和應(yīng)用價(jià)值。
　　但是，社交網(wǎng)絡(luò)用戶數(shù)量龐大，網(wǎng)絡(luò)拓?fù)鋸?fù)雜為有影響力的用戶篩選帶來(lái)困難，網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)張和進(jìn)化則讓選擇用戶更是難上加難，所帶來(lái)的亟待解決的挑戰(zhàn)就是如何在持續(xù)變化的網(wǎng)絡(luò)中快

2、速準(zhǔn)確地選取影響力大的用戶。而且社交網(wǎng)絡(luò)中信息類型豐富，用戶對(duì)此有不同的偏好度，這會(huì)影響信息在網(wǎng)絡(luò)中的傳播，也會(huì)決定選取的種集是否能夠在特定主題下達(dá)到最好的效果。同時(shí)，社交網(wǎng)站也會(huì)使用豐富的形式發(fā)送消息給用戶，社交網(wǎng)站本身也是一個(gè)隱含的影響者，在基于主題的社交網(wǎng)絡(luò)中如何合理使用網(wǎng)站本身的影響力將成為影響最大化嶄新的問(wèn)題。
　　針對(duì)上述影響最大化研究中的挑戰(zhàn)和問(wèn)題，本文從以下兩個(gè)方面進(jìn)行研究:
　　(1)針對(duì)現(xiàn)有靜態(tài)算法不能適

3、應(yīng)社會(huì)網(wǎng)絡(luò)的持續(xù)進(jìn)化發(fā)展，網(wǎng)絡(luò)變化需要重新計(jì)算耗時(shí)巨大的問(wèn)題，本文基于影響局部化特征，提出動(dòng)態(tài)影響最大化算法DIM。算法包含兩個(gè)階段:初始種集獲取算法Init_Seed和增量式更新種集算法Inc_Seed。初始種集獲取算法Init_Seed可以確定節(jié)點(diǎn)的影響路徑集合以及初始種集，為下一階段的種集更新做準(zhǔn)備。增量式更新算法Inc_Seed可以快速確定改變的影響范圍，僅為受變動(dòng)影響的節(jié)點(diǎn)重新計(jì)算影響力，減少時(shí)間開銷。為進(jìn)一步提高算法的執(zhí)行效

4、率，本文提出兩個(gè)剪枝策略:影響力增值剪枝策略和度剪枝策略，提出結(jié)合剪枝策略的優(yōu)化算法Opt-DIM，在保證影響范圍的情況下，提高種集選取過(guò)程時(shí)間效率。
　　(2)考慮用戶對(duì)主題的偏好以及網(wǎng)站本身的影響力等因素，已有算法雖對(duì)主題感知進(jìn)行了大量研究，卻未考慮網(wǎng)站本身對(duì)影響傳播的推動(dòng)作用。本文將網(wǎng)站本身表示為外部因素，并提出推薦社交網(wǎng)絡(luò)中基于主題的影響最大化算法TIP，結(jié)合實(shí)際因素確定用戶之間以及網(wǎng)站對(duì)用戶的影響概率，以影響路徑為單元計(jì)