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
% ^/ {2 o5 p/ K4 \& i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
4 U* d6 Y% a+ R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
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
+ i6 T( L8 i/ M  g" N& R2 Y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。
3 M' W$ x" `6 P  i" U. U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
9 `3 q$ o) a' Y: v5 q( d1 引言
; j* Z$ \3 M" z* R" s& D/ T社交网络是指由个体及个体之间的关系所组成
- E( a2 s2 a% N- _: [. Y  `/ Q的一个复杂网络，它与交通网络，通讯网络和生物
6 a* A; P# B) g8 S) ^7 \( f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，
- C$ _" m* W0 ]- Q! q7 AFacebook, Twitter和微博等)的迅速发展，从个人到

0 F* }4 ?# d) q

; g, y# e5 _# k4 Z

附件下载：

游客，如果您要查看本帖隐藏内容请回复

1 S1 f3 i, T6 |1 W# R/ A% ^7 H

sdkangbaz

谢谢分享