关联影响力传播最大化方法

摘要：

社会网络中影响力传播最大化是社会网络分析领域所关注的重要问题.针对多个影响力同时进行传播,且影响力间存在传播促进的情况,提出关联影响力传播最大化问题.首先,对经典线性阈值模型进行扩展,提出关联影响力线性阈值模型对关联影响力传播过程进行建模;其次,定义了关联影响力传播最大化问题,证明了该问题是NP-hard的,以及问题目标函数满足子模性;再次,针对该问题提出基于结点激活贡献估计的求解算法;然后,利用结点激活贡献估计存在相互独立性,进一步提出了并行化求解算法,并在Spark GraphX并行图计算框架上实现了该算法;最后,在真实的社会网络数据集上,通过实验测试验证了所提出方法的有效性.

关键词：社会网络分析、影响力传播最大化、关联影响力传播最大化、线性阈值模型、Spark GraphX

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61562091, 61472345;the Natural Science Foundation of Yunnan Province under Grant Nos. 2014FA023, 2016FB110;the Foundation of Backbone Teacher Development of Yunnan University, the Program for Excellent Young Talents of Yunnan University under Grant No. XT412003;the Open Foundation of Key Laboratory of Soft-ware Engineering of Yunnan Province under Grant Nos. 2012SE303, 2012SE205

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1891-1902