基于最小点覆盖和反馈点集的社交网络影响最大化算法

kjdskj

摘 要：社交网络中的影响最大化问题是指在特定的传播模型下，如何寻找 k 个最具影响力的节点使得在该模型下
+ z9 |- q" K* c5 j社交网络中被影响的节点最多，信息传播的范围最广。该问题是一个优化问题，并且已经被证明是 NP-难的。考
虑到图的最小点覆盖和反馈点集中的顶点对图的连通性影响较大，该文提出一种基于最小点覆盖和反馈点集的社交
0 W& z4 S$ E+ X6 b  p: X! L2 Y网络影响最大化算法(Minimum Vertex Covering and Feedback Vertex Set, MVCFVS)，并给出了具体的仿真实验
和分析。实验结果表明，与最新的算法比较，该算法得到的节点集在多种模型下都具有优异的传播效果，例如在独
立级联模型和加权级联模型中超过当前最好的算法，并且还具有更快的收敛速度。
关键词：社交网络；影响最大化；传播模型；最小点覆盖；反馈点集
1 引言
( C5 ?2 q1 A% m+ `社交网络是指由个体及个体之间的关系所组成
的一个复杂网络，它与交通网络，通讯网络和生物
网络等其他复杂网络相比，包含了更加海量和多元
化的信息。自从社交网络出现以来[1,2]，它便在社会
个体的信息传播、思想引导和相互影响中发挥着重
大作用。近年来，随着大规模在线社交网络(如人人，
: ~: Z2 ~7 v4 hFacebook, Twitter和微博等)的迅速发展，从个人到
% `7 P7 M4 v  K: V% h


' F$ m0 `4 C5 H. L( t8 @% B: ]+ y

, ~2 j' S) \% b0 ]/ W+ v附件下载：

游客，如果您要查看本帖隐藏内容请回复

& t2 B$ x7 x  @: ~- v; @8 M

sdkangbaz

谢谢分享