用户行为驱动的时序影响力最大化问题研究
影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化.现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型)无法适用于演化网络中的信息传播过程.同时,现有研究忽略了用户行为对信息传播的影响.因此,针对该问题,提出了一种用户行为驱动的独立级联BDIC传播模型,该模型主要根据用户行为对信息的传播过程进行建模,可有效刻画演化社交网络中的信息传播过程.在该模型的基础上,提出了用户行为驱动的影响力最大化算法,主要包括3个步骤:首先,建模消息传播过程,计算演化社交网络中的信息传播概率;然后,提出一种用户行为驱动的反向影响力采样方法,有效查询单个时间点下的种子用户;最后,设计一种不同时间节点(时间序列)下的种子节点查询方法,有效反映演化社交网络中种子节点动态变化的特性.为了评估所提算法的有效性,设计了种子节点与受影响节点的相似度对比方法.通过大量真实数据集上的实验,验证了信息传播概率算法的高效性和扩展性,证明了相比普通的独立级联模型,BDIC模型能更好地建模演化社交网络中的信息传播过程.
演化社交网络、行为驱动模型、影响力最大化、传播概率矩阵、反向可达集
49
TP399(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;中国博士后科学基金;东北大学博士后科研基金
2022-06-24（万方平台首次上网日期，不代表论文的发表时间）
共8页
119-126
