|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
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
5 b& G, W& J! O j6 c5 L' p" ^7 }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1 }$ O- c7 V! o3 M4 Y# ?. V6 @
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7 ], u9 p' Z. N; y1 \
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' w; N6 D! |0 A" U
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
: g4 r8 b4 H3 X+ P+ B7 Z$ D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。+ [' A& J& C) M' y$ B
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
) ~# s% q: R4 i8 d4 J) |1 引言5 |( i( C! Y6 j5 N5 m, y2 q u
社交网络是指由个体及个体之间的关系所组成: J6 N" N% g( I
的一个复杂网络，它与交通网络，通讯网络和生物
- }# G% J2 l9 V6 C& X( \3 [/ j网络等其他复杂网络相比，包含了更加海量和多元
* F, N( y7 \+ z/ I化的信息。自从社交网络出现以来[1,2]，它便在社会4 I I8 p# N+ C/ A
个体的信息传播、思想引导和相互影响中发挥着重8 K& a: E; P- S: W( b: V
大作用。近年来，随着大规模在线社交网络(如人人，
& E/ Q, M8 w" v* _; t g$ uFacebook, Twitter和微博等)的迅速发展，从个人到+ W/ v/ n/ T* G4 B
/ d1 U8 H7 } ]4 P: z
& h7 G* A: ?* l$ M7 f: W/ z
2 @- U, n2 _& w) R- H
: J- Z, p' s( r
4 P$ w/ Y4 a. @6 q; [; w. X
附件下载：
# ]' e( |! o" {0 H1 W% \: c8 O4 ~0 w; C' _1 D' h
|
|
/1 
发表于 2021-2-2 10:39
收藏
淘帖
支持！
反对！