面向目标市场的信息最大覆盖算法
当一个企业或商家需要投放广告时，往往会先通过历史数据、个人兴趣等挖掘出可能购买自己产品的用户，即目标市场（TargetMarket），然后将广告信息通过电视、报纸等公共媒体的形式传递给这些目标用户，希望有更多的目标用户接受信息。然而调查显示，相比于传统大众媒体，人们更倾向于从自己认识的人那里去获取信息，因此文中考虑利用社会影响力的方式去传播广告：在社会网络中说服有限数目的初始用户，并让他们向熟识的人传播信息，期望信息可以通过级联传播覆盖尽可能多的目标用户。由于以往的信息覆盖最大化的工作集中于对全局网络的考虑，因此会忽略目标节点和全局网络之间的联系。通过数据观察可以发现，目标用户往往会由于同质性等原因而聚集在一起，因此文中提出基于聚类的KCC算法，算法通过对用户进行聚类分析，找出每个聚类的代表性用户，使得这些代表性节点可以影响尽可能多的目标用户，同时避免他们之间对信息覆盖的重叠。在不同的真实的数据集的实验显示KCC可以在大多数情况下取得优于其它常用算法的性能，尤其当种子节点数增多时，KCC可以更多地避免节点之间信息覆盖的重叠，从而取得更好的效果；同时，KCC只需要很短的运行时间，具有良好的可扩展性。
社会网络、目标营销、信息传播、影响最大化、社会计算
TP311(计算技术、计算机技术)
国家自然科学基金委创新研究群体科学基金61321491;国家自然科学基金61202113;国家自然科学基金重大集成项目基金91218302;江苏省自然科学基金BK2011510资助．
2014-05-06（万方平台首次上网日期，不代表论文的发表时间）
共11页
894-904
