10.19678/j.issn.1000-3428.0046702
基于合并影响概率的社交网络影响最大化算法
针对大型社交网络影响最大化算法时间复杂度较高,并且节点影响覆盖率较低的问题,提出一种新的影响力最大化算法.采用PageRank算法选择影响力较高的节点作为备用种子,通过统计备用种子对潜在可激活节点的激活轮次和激活次数来计算其合并影响概率,并采用遗传算法从中选择合并影响概率最大的k个结果作为种子节点.仿真结果表明,与DegreeDiscount、PageRank等算法相比,该算法能获得较好的节点选取效果.
社交网络、影响最大化、合并影响概率、遗传算法、独立级联模型
44
TP391(计算技术、计算机技术)
国家自然科学基金61202022
2018-11-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
188-193,200