基于反向可达集的影响力最大化算法

摘要：

现有影响力最大化算法多数因时间复杂度较高或影响力传播范围有限,不适用于大规模社交网络.基于独立级联模型,结合反向可达集采样提出一种改进的影响力最大化算法D-RIS.在影响力传播函数满足单调性和子模性的前提下,通过自动调试确定反向可达集生成数量的临界值.在Slashdot和Epinions真实数据集上的实验结果表明,D-RIS算法在影响力传播范围上接近CELF算法且优于RIS、HighDegree、LIR和pBmH启发式算法,同时在运行时间上相比CELF算法减少近百倍,具有更好的通用性与稳定性,适用于拓扑结构变化和规模较大的社交网络.

关键词：社交网络;影响力最大化;信息传播模型;反向可达集;子模性

所属期刊栏目：48

分类号：TP301.6(计算技术、计算机技术)

资助基金：山东省自然科学基金面上项目;教育部人文社会科学研究项目;山东省社科规划项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：60-68,74