基于LT+模型的社交网络影响力最大化研究

摘要：

影响力最大化问题的目标是寻找社交网络中一组种子结点集合,在给定的传播模型下,使得这些结点最终传播的影响范围最大.Kempe和Kleinberg提出的贪心算法可以获得很好的影响范围,但是因复杂度太高而并不适用于大型社交网络.Chen和Yuan等人基于线性阈值(LT)模型提出了构造局部有向无环图的启发式算法,但是LT模型只考虑了邻居结点的直接影响力,忽略了结点之间存在的间接影响力.因此,在LT模型的基础上,结合网络中结点之间存在的间接影响力,提出了LT+影响力模型,并利用构造局部有向无环图的启发式算法求解LT+模型的影响力最大化,称为LT+ DAG算法.真实数据集上的对比实验表明,LT+ DAG算法具有更好的影响范围以及较好的可扩展性.

关键词：社交网络、影响力最大化、贪心算法、传播模型

所属期刊栏目：43

分类号：TP311.13(计算技术、计算机技术)

资助基金：广西研究生教育创新计划资助项目YCSZ2015147

在线出版日期：2016-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：99-102